README.md

Otimização de Modelos de Machine Learning para Predição de Inadimplência

Descrição

Este projeto visa otimizar modelos de machine learning supervisionados (Decision Tree Classifier e Logistic Regression) para prever a probabilidade de inadimplência em empréstimos. O processo envolve diversas técnicas de otimização, como validação cruzada aninhada e não aninhada, busca em grid, busca aleatória e busca bayesiana.

Tecnologias Utilizadas

• Linguagem: Python
• Bibliotecas:
  • Scikit-learn: Para modelagem, validação cruzada e otimização de hiperparâmetros.
  • Pandas: Para manipulação e análise de dados.
  • NumPy: Para operações numéricas.
  • Plotly: Para visualização de dados.
  • Scikit-optimize: Para busca bayesiana de hiperparâmetros.

Descrição Detalhada

1. Preparação dos Dados:
   • Os dados foram fornecidos já pré-processados, prontos para modelagem.
   • As features incluem informações financeiras do cliente, histórico de crédito, dados demográficos e informações de contato.
   • O target é a variável binária 'inadimplente', indicando se o cliente deixou de pagar o empréstimo.

2. Modelagem Inicial (Baseline):
   • Dois modelos foram treinados com hiperparâmetros padrão:
     • Decision Tree Classifier
     • Logistic Regression
   • O desempenho dos modelos foi avaliado para estabelecer um baseline.

3. Validação Cruzada Não Aninhada:
   • GridSearchCV: Uma busca exaustiva em uma grade de hiperparâmetros foi realizada para cada modelo, usando validação cruzada com StratifiedKFold para garantir a representatividade das classes.
   • RandomizedSearchCV: Uma busca aleatória em um espaço de hiperparâmetros foi realizada para cada modelo, também com validação cruzada estratificada.

4. Validação Cruzada Aninhada:
   • O processo de busca de hiperparâmetros (GridSearchCV ou RandomizedSearchCV) foi repetido dentro de um loop externo de validação cruzada. Isso ajuda a estimar o desempenho do modelo de forma mais robusta e a evitar o overfitting.

5. BayesSearchCV Aninhado:
   • Uma busca bayesiana de hiperparâmetros foi realizada, aproveitando informações de iterações anteriores para otimizar a busca de forma mais eficiente.

6. Avaliação e Comparação dos Modelos:
   • Os melhores modelos de cada etapa foram avaliados em termos da métrica mais relevante: recall.
   • Os resultados foram comparados para identificar as melhores estratégias de otimização e o modelo com o melhor desempenho generalizado.