Este projeto visa aplicar técnicas avançadas de aprendizado de máquina para analisar e prever a probabilidade de clientes de um banco subscreverem a depósitos a prazo. Utilizando um conjunto de dados fornecido pelo UCI Machine Learning Repository, nosso objetivo é desenvolver um modelo que possa ajudar instituições financeiras a otimizar estratégias de marketing e melhorar a eficácia na captação de novos clientes.
Demonstrar a aplicabilidade e eficácia de diferentes algoritmos de aprendizado de máquina, incluindo:
- Tratamento de dados
- Redes Neurais
- Treinamnto do modelo
- Teste em 3 modelos
- Escolha do melhor modelo
Os modelos serão avaliados com base em sua precisão e eficácia na previsão de novas subscrições, contribuindo assim para estratégias mais informadas e direcionadas de marketing bancário.
-
Dados de analise modelo 1
: analise do modelo com ativador tanh com 3 camadas ,camada de saida sigmoid modelo se encontra em:/analise/analise_model_1
-
Dados de analise modelo 2
: analise do modelo com ativador relu com 3 camadas ,camada de saida sigmoid modelo se encontra em:/analise/analise_model_2
-
Dados de analise de diversos modelos
: analise de diversos modelos com ativadores tanh,relu,sigmoid com 3 camadas ,camada de saida sigmoid modelo se encontra em:/analise/analiseParametros