Le jeu de données Bank Customer Churn est fréquemment utilisé pour prédire l'attrition des clients dans le secteur bancaire. Ce projet vise à développer un modèle capable de prédire si un client quittera la banque ou continuera d'y être fidèle. Les jeux de données contiennent des informations détaillées sur les clients, incluant leurs caractéristiques démographiques, comportementales, ainsi que des données sur leurs interactions avec la banque.
L'objectif principal du projet est de prédire la variable cible Churn, qui indique si un client a quitté la banque ou non, en utilisant différentes techniques de modélisation et d'optimisation. L'accent est mis sur l'optimisation de la performance des modèles en maximisant l'AUC (Area Under the Curve).
Pour utiliser ce projet, vous devez d'abord créer un environnement virtuel et installer les packages répertoriés dans le fichier requirements.txt.
- Cloner le dépôt sur votre machine :
git clone https://github.com/votre-utilisateur/bank-churn-prediction.git cd bank-churn-prediction - Installer les dépendances avec pip
pip install -r requirements.txt
/Data # Contient les jeux de données
├── train.csv # Jeu de données d'entraînement
└── test.csv # Jeu de données de test
/Modèles_finaux # Contient les deux modèles finaux
├── CatBoost_predictions.csv # Modèle le plus performant
└── XGboost_predictions.csv # Second modèle le plus performant
/Notebook.ipynb # Contient le notebook principal
/Présentation.pdf # Contient le support de présentation
/README.md # Ce fichier
/Requirements.txt # Liste des dépendances Python
- Salma BENMOUSSA
- Charlotte CEGARRA
Ce projet a été développé dans le cadre du Master MOSEF, à l'université Paris 1 Panthéon Sorbonne.
N'hésitez pas à nous contacter pour toute question :