Briefing do projeto:
Um gerente do banco está preocupado com o aumento no número de clientes que estão cancelando seus serviços de cartão de crédito. Seria muito útil se houvesse uma maneira de prever quais clientes estão propensos a cancelar, para que o banco possa abordá-los proativamente e oferecer um serviço melhor, buscando reverter suas decisões. Temos um conjunto de dados com informações de 10.000 clientes, incluindo idade, salário, estado civil, limite de crédito, categoria do cartão, entre outros. No total, há cerca de 18 características disponíveis. Apenas 16,07% dos clientes desistiram até o momento, o que torna um pouco desafiador treinar nosso modelo para prever a rotatividade de clientes.
O projeto é dividido em 4 etapas:
1- Importação do DataFrame 2- Análise exploratória dos dados 3 - Tratamento dos dados do DataFrame 4 - Aplicação de Machine Learning utilizando o método Random Forest