🏦 Bank Churn Prediction

Набор файлов и ноутбуков, реализующий решение задачи Bank Churn Prediction, на котором я вошел в топ 5. Notebook на kaggle https://www.kaggle.com/code/canonica1/top-3-private-score-0-93267

📁 Структура репозитория

BANK\_PROJECT/
│
├── notebooks/               # Jupyter ноутбуки с пайплайнами
├── src/                     # Исходный код (модули)
├── data/                    # Скрипты для загрузки/предобработки
├── models/                  # Сохранённые обученные модели (.pkl)
├── predicts/                # Генерация submission.csv и результаты
├── requirements.txt         # Список зависимостей
├── README.md                # Этот файл
├── .gitignore
└── LICENSE

Также был дообучен bert чтобы сделать фичу странны более крутой вот ссылка на файл https://github.com/Canonica1/fine_tune_distilbert_surnames

---

🎯 Описание решения

Это решение включает следующие ключевые идеи:

• Target encoding по фамилии (Surname) для повышения информативности.
• Признак страны (predicted country), полученный на основе нейронной модели, обученной на отдельном датасете Kaggle — по фамилии определяет страну.

---

🚀 Как воспроизвести

1. Установка окружения:

pip install -r requirements.txt

2. Обучение модели и Генерация предсказаний:

python __init__.py

---

📊 Результаты

Public AUC	Private AUC
~0.93929	~0.93267