Credit Risk Analysis with Machine Learning

Credit Risk Analysis with Machine Learning

https://www.kaggle.com/code/richardgomes/credit-risk-analysis-with-machine-learning

1. Coleta de Dados

Os dados utilizados neste projeto foram coletados de um repositório público no GitHub. O dataset contém informações sobre clientes, incluindo dados financeiros, características pessoais e comportamento relacionado ao uso de cartão de crédito.

Fonte dos Dados:
Dataset de crédito

Os dados foram processados para corrigir inconsistências, como transformar valores de salário anual, limite de crédito e transações em formato numérico e tratar valores ausentes.

---

2. Modelagem

Foi desenvolvido um modelo de classificação para prever a variável default (inadimplência). O pipeline incluiu os seguintes passos:

1. Pré-processamento:

   • Conversão de variáveis categóricas em variáveis dummy.
   • Separação dos dados em conjunto de treino (80%) e teste (20%).

2. Modelo Utilizado:

   • Random Forest Classifier:
     • Hiperparâmetros padrão.
     • Utilizado devido à sua robustez e bom desempenho em problemas de classificação.

3. Métricas de Avaliação:

   • Relatório de classificação (precision, recall, f1-score).
   • Matriz de confusão.
   • AUC-ROC (Área Sob a Curva ROC).

Resultados do Modelo:

• Acurácia: 93%
• AUC-ROC: 0.967
  O modelo apresentou bom desempenho, com alta precisão e recall para a classe majoritária e valores satisfatórios para a classe minoritária.

---

3. Visualização dos Dados

Durante a análise exploratória, foram gerados diversos gráficos para entender os padrões do dataset:

• Distribuição do Salário Anual: Histograma e boxplot.
• Correlação entre Variáveis: Heatmap de correlação.
• Relação entre Escolaridade e Salário: Boxplot.
• Relação entre Meses de Relacionamento e Salário: Linha de tendência.

Para os resultados do modelo, seria interessante incluir gráficos como:

• Matriz de Confusão: Representação gráfica do desempenho do modelo.
• Curva ROC: Visualização do desempenho geral do modelo.

---

4. Conclusões

O trabalho atendeu ao objetivo de construir e avaliar um modelo preditivo para inadimplência utilizando técnicas de aprendizado de máquina. O modelo Random Forest apresentou resultados robustos, sendo adequado para prever a variável default.

Limitações e Próximos Passos:

• Imbalance: A classe default (inadimplente) está desbalanceada. Técnicas como oversampling (SMOTE) podem ser exploradas.
• Tuning do Modelo: Ajuste de hiperparâmetros do Random Forest para melhorar ainda mais o desempenho.
• Expansão das Visualizações: Incluir gráficos como a curva ROC e matriz de confusão.

---

5. Repositório GitHub

Os códigos, dados e visualizações estão disponíveis no repositório GitHub:
Link para o Repositório

---

Autor: Richard Gomes
Ferramentas Utilizadas: Python, Pandas, Seaborn, Scikit-learn, Matplotlib