rauanisanfelice / python-analise-credito

:rocket: Análise de Crédito utilizando a linguagem Python com Machine Learning.

Análise de Crédito

Análise de Crédito utilizando a linguagem Python.

Instruções

1. Inicialização dos container

docker-compose up -d

2. Configurando o pgAdmin Acesse o link:

pgAdmin

Realize o login:

User: admin
Pass: admin

Clique em: Create >> Server

Conecte no Banco com os seguintes parâmetros:

Name: #nome desejado#

Parâmetros	Configurações
Host	python-analise-postgre
Port	5432
DB	postgres
User	postgres
Pass	docker123

3. Importando os dados

Execute o arquivo abaixo para importar os dados.

./database/insert-table.sql

4. Criando um Ambiente Virtual e ativando

virtualenv env
source ./venv/bin/activate

5. Instalando as dependências

pip3 install -r requirements.txt

6. Cria todas as tabelas no Banco de Dados:

python3 manage.py makemigrations
python3 manage.py migrate

7. Subo o site

python3 manage.py runserver

Testes realizados:

Foi realizado teste com 5 algoritmos de Machine Learning de Classificação:

Teste_Algoritmos.ipynb

• KNN;
• SVM;
• NAIVE BAYES;
• DECISION TREE;
• MLP.

Tabelas de resultados:

Algoritmo	Seed	Best Acurácia
KNN	905	81.61%
DECISION TREE	269	80.83%
SVM	49	78.76%
MLP	210	78.5%
NAIVE BAYES	28	37.05%

O KNN por ter retornado a melhor acurácia foi utilizado no aplicativo

Tabelas de classificação:

Renda

Faixa	Numero
< 20k	0
20k - 30k	1
30k - 40k	2
40k - 50k	3
50k - 60k	4
60k - 70k	5
> 70k	6

Idade

Faixa	Numero
18 - 25	0
25 - 60	1
> 60	2

Empréstimo

Faixa	Numero
< 20k	0
2k - 4k	1
4k - 6k	2
6k - 8k	3
8k - 10k	4
10k - 12k	5
14k - 16k	6
> 16k	7

Links

Panda Sample

SKLearn DecisionTreeClassifier
SKLearn GridSearchCV
SKLearn Naive Bayes
SKLearn SVM/SVC
SKLearn KNN
SKLearn Decision Tree Classifier
SKLearn Dump Models