Из «Бета-Банка» стали уходить клиенты. Каждый месяц. Немного, но заметно. Банковские маркетологи посчитали: сохранять текущих клиентов дешевле, чем привлекать новых.

Нужно спрогнозировать, уйдёт клиент из банка в ближайшее время или нет. Предоставлены исторические данные о поведении клиентов и расторжении договоров с банком.

Необходимо построить модель с предельно большим значением F1-меры: > 0.59.

Дополнительно измеряется AUC-ROC и сравнивается с значением F1-меры.

Источник данных: https://www.kaggle.com/barelydedicated/bank-customer-churn-modeling

1. Подготовка данных
2. Исследование задачи (рассмотрение моделей без учета дисбаланса классов)
3. Борьба с дисбалансом (применение методов с целью устранения дисбаланса класса и рассмотрение показателя f1_score)
4. Тестирование моделей (на тестовой уже выборке)

1. Подготовлены данные;
2. Исследованы задачи без учета дисбаланса классов;
3. Применены методы для утсранения дисбаланса и рассмотрение значений F1-меры;
4. Тестирование моделей. Получено значение показателя F1 – 0.63, ROC-AUC – 0.77.

matplotlib, numpy, pandas, sklearn