Churn Rate Top Bank - Modelagem preditiva e método de avaliação personalizado

Dados | Jupyter Notebook

Eu analisei o banco de dados disponibilizado no Kaggle e fiz alguns insights sobre possíveis causas de churn rate dos clientes dessa empresa e além disso construí através da biblioteca do PyCaret diversos modelos com apenas uma linha de código e selecionei aquele com melhor pontução a partir da métrica utilizada. A vantagem de usar essa ferramenta é a versatilidade na construção e aplicação de outras métricas de avaliação do modelo, como foi nesse caso em que o modelo selecionado conseguiu um aumento de mais de R$ 220.000,00 comparado ao modelo original, e mais: construir um web app é ligeiramente fácil e prático.