vilquer / datagearscore

Predição de risco em cartão de crédito.

Credit Card Risck Prediction - Predição de Risco em Cartão de Crédito.

---

As instituições financeiras como bancos, financeiras, fintechs, operadoras de cartão de crédito, administradoras de consórcios tem uma necessidade em comum: Medir o “risco” de um cliente para uma operação de crédito, ou seja, medir o potencial de inadimplência diante do reembolso do dinheiro emprestado. Esta pontuação normalmente é chamada de “Credit Score”, que, dependendo da instituição, poderá ser uma porcentagem ou uma classificação numérica ou qualitativa como por exemplo:

Numérica:

Voce possui 975 pontos de score

Qualitativa:

0. baixíssimo,
1. baixo,
2. médio,
3. alto,
4. altíssimo.

Voce foi classificado como risco baixo.

Este score, ainda, dependendo de políticas de crédito da instituição, definirá se o cliente vai obter o crédito e a qual taxa de juros a operação poderá ser ofertada. Devido ao grande volume de dados normalmente utilizados por estas instituições financeiras, a análise individual e manual de cada processo de concessão de crédito torna-se inviável. A utilização de ferramentas de inteligência artificial, como este trabalho pretende demonstrar, possibilita a análise automatizada dos dados sugerindo uma classificação ou uma probabilidade a inadimplência.

---

Objetivos e resultados chave.

O principal objetivo e treinar um modelo capaz de prever a inadimplência, que dependerá de encontrar uma base de dados com exemplos suficientes, entender os dados e o negócio, efetuar a analise exploratória dos dados, treinar e e escolher o modelo através de métricas, desenvolver uma aplicação onde inferências possam ser calculadas com dados novos.

Encontrar uma base de dados.

• Buscar uma base com dados suficientes.
• Analisar se esta base é compatível com o problema proposto.

Entender os dados e negócios.

• Workshop com especialista de domínio.

Realizar análise exploratória de dados.

• Identificar as variáveis.
• Criar um dicionário de dados.
• Corrigir tipos de dados e traduzir nomes.
• Identificar e corrigir valores nulos e ou faltantes.
• Identificar e corrigir linhas duplicadas.
• Classificar as as variáveis.
• Criação de Gráficos.
• Definir o predito e os preditores.
• Verificar se os dados estão balanceados.

Treinar e e escolher o modelo através de métricas

• Testar modelos.
• Escolher as métricas aplicáveis ao caso em estudo.
• Comparar os resultados.
• Escolher o melhor modelo.
• Serializar a sulução.

Desenvolver uma aplicação onde inferências possam ser calculadas com dados novos.

• Procurar uma forma de fornecer o cálculo para um cliente.
• Preparar página som Stremlit.
• Utilizar Docker para conteinerizar a aplicação.
• Publicar no Heroku.

---

Conteúdo.

Notebooks.

• 01 - Analise expliratoria.ipynb
  • Carga dos dados
  • Correções dos dados
  • Análise gráfica
• 02 - Comparative analysis.ipynb
  • Correlações
  • Pré-processamento
  • Redução de dimensionalidade
  • Tratamento para dados faltantes
  • Grid Search
  • Escolha do melhor modelo
  • Treino do melhor modelo
  • Serialização

references.

• dicionario_dados.csv
  • Descrição detalhada dos dados e qualificação das variáveis em numéricas e categóricas.

---

Utilização.

Para replicar o projeto recomendamos fortemente a utilização do Poetry, informações e instruções de instalação no link Poetry.

Após a instalação e a clonagem deste projeto e dentro da pasta do projeto deve ser efetuado o comando para instalar as dependências.

poetry install

Para ativar o virtual environment:

poetry shell

Pronto agora é só rodar:

Jupyter lab

Dependências	Versão
python	3.8
numpy	1.22.3
pandas	1.4.2
jupyterlab	3.3.4
scikit-learn	1.0.2
seaborn	0.11.2
matplotlib	3.5.1
pandas-profiling	3.2.0
xlrd	2.0.1
xgboost	1.6.1
streamlit	1.10.0
plotly	5.9.0
streamlit-option-menu	0.3.2

---

Desenvolvedores.

Brena Rodrigues	Matheus Fanali Giraldes	Rian Araújo dos Santos	Rodolfo Autran	Vilquer de Oliveira

---

Organização de diretórios.

├── data                   # Diretório contendo todos os arquivos de dados (Geralmente está no git ignore ou git LFS)  
│   ├── external           # Arquivos de dados de fontes externas  
│   ├── interim  
│   ├── processed          # Arquivos de dados processados  
│   └── raw                # Arquivos de dados originais, imutáveis  
├── docs                   # Documentação gerada através de bibliotecas MKDocs  
├── models                 # Modelos treinados e serializados, predições ou resumos de modelos  
├── notebooks              # Diretório contendo todos os notebooks utilizados nos passos  
├── references             # Dicionários de dados, manuais e todo o material exploratório  
├── src                    # Código fonte utilizado nesse projeto  
│   ├── data               # Classes e funções utilizadas para download e processamento de dados  
│   ├── deployment         # Classes e funções utilizadas para implantação do modelo  
│   ├── model              # Classes e funções utilizadas para modelagem  
├── README.md              # Informações gerais do projeto  
├── mkdocs.yml  
├── poetry.lock            # Arquivo com subdependências do projeto principal  
├── pyproject.toml         # Arquivo de dependências para reprodução do projeto  
├── tasks.py                # Arquivo com funções para criação de tarefas utilizadas pelo invoke  

Aplicação.

Score DataGear