OpenClassRooms_Projet7

Implémentez un modèle de scoring

Présentation

La mission principale de ce projet est de prédire le risque de faillite d'un client pour une société de crédit. Pour cela, nous devons configurer un modèle de classification binaire et d'en analyser les différentes métriques.

Ce projet consiste à créer une API web avec un Dashboard interactif. Celui-ci devra a minima contenir les fonctionnalités suivantes :

• Permettre de visualiser le score et l’interprétation de ce score pour chaque client de façon intelligible pour une personne non experte en data science.
• Permettre de visualiser des informations descriptives relatives à un client (via un système de filtre).
• Permettre de comparer les informations descriptives relatives à un client à l’ensemble des clients ou à un groupe de clients similaires.

La partie features engineering n'étant pas la partie la plus importante de ce projet, il nous est proposé d'utiliser un Notebook disponible sur le site de Kaggle, dont le lien est disponible au bas de cette présentation.

Construction

Dans ce dépôt, vous trouverez :

• Un dossier avec le Notebook Jupyter pour l'étude des données, l'entraînement et la configuration du modèle de classification.
• Un dossier avec la note technique qui explique en détails la construction et les résultats du modèle.
• Un dossier avec la configuration locale de l'API. Dans le but de comprendre le fonctionnement de Flask, cette "version" de l'API s'appuie sur deux fichiers .py :
  • API.py qui est le fichier Flask contenant la partie backend.
  • DASHBOARD.py contient la partie Frontend codée avec Streamlit.
• Un dossier avec la configuration déployée sur Azure. Cette version n'utilise que Streamlit qui a l'avantage d'être très simple à coder, et qui contient Tornado, un serveur web concurrent de Flask.

Modèle de classification

Le modèle retenu pour cet exercice est le modèle XGBoost. Cependant les résultats ne sont pas bons, et ceci est en partie dû au features engineering qui n'est pas assez abouti car il ne s'appuie pas sur les données qui peuvent être très utiles à notre problème. J'aurais dû utiliser un notebook plus approprié.

Dashboard / API

J'ai utilisé deux librairies Python pour ce sujet :

• Flask
• Streamlit

Données d'entrées

• Lien de téléchargement des données d'entrées : https://www.kaggle.com/c/home-credit-default-risk/data
• Notebook de départ pour la partie Features Engineering : https://www.kaggle.com/willkoehrsen/start-here-a-gentle-introduction