Banking Customer Churn Prediction

Este projeto foi desenvolvido no âmbito da Unidade Curricular Inteligência Artificial (IA) do 2º semestre do 3º ano da Licenciatura em Engenharia Informática e Computação (LEIC) da Faculdade de Engenharia da Universidade do Porto (FEUP), no ano letivo 2023/2024.

Identificação do Grupo

Grupo: Group A2_42

• António Marujo Rama - up202108801
• Manuel Ramos Leite Carvalho Neto - up202108744
• Matilde Isabel da Silva Simões - up202108782

Como correr o programa

Para instalar as bibliotecas necessárias, é necessário correr os comandos:

pip install matplotlib
pip install numpy
pip install pandas
pip install seaborn
pip install sklearn

Como usar o programa

O programa consiste num Jupyter Notebook no qual se encontra documentado todo o processo de desenvolvimento de um modelo de machine learning, segundo uma adaptação da metodologia CRISP-DM.

Assim, cada uma das cinco fases do processo de mineração de dados está contida numa secção, com várias subsecções, de acordo com o índice abaixo.

0. Introdução

• Estrutura
• Tecnologias

1. Compreensão do Tema

• Objetivos do Tema
• Definição do Problema
• Objetivos do Modelo

2. Compreensão dos Dados

• Dados Iniciais
• Descrição dos Dados
• Qualidade dos Dados
• Exploração dos Dados

3. Preparação dos Dados

• Seleção
• Limpeza
• Construção
• Transformação

4. Modelação

• Escolha dos Algoritmos
• Design do Teste
• Construção do Modelo - Árvore de Decisão
• Afinação dos Parâmetros - Árvore de Decisão
• Construção do Modelo - Rede Neuronal
• Afinação dos Parâmetros - Rede Neuronal
• Construção do Modelo - K-Nearest Neighbors
• Afinação dos Parâmetros - K-Nearest Neighbors
• Construção do Modelo - Support Vector Machine
• Afinação dos Parâmetros - Support Vector Machine
• Construção do Modelo - Random Forest
• Afinação dos Parâmetros - Random Forest

5. Avaliação

• Avaliação dos Resultados
• Revisão
• Próximos Passos

Para complementar as descrições/explicações textuais, existem diversos blocos de código ao longo do notebook, bastando carregar no play para os executar. Após a execução, o output de cada bloco de código aparece imediatamente abaixo do mesmo.

Note-se que o dataset se encontra no ficheiro data.csv, pelo que esse documento não deve ser alterado.