📊 Modelo Preditivo para Análise de Risco de Crédito

🌟 Resumo do Projeto

Este projeto foi desenvolvido como um case técnico para a vaga de Cientista de Dados, com o objetivo de criar uma solução de ponta a ponta para aprimorar a avaliação de risco de crédito em uma instituição financeira. A solução envolve desde a análise exploratória até a criação de um modelo preditivo robusto, com ênfase em interpretabilidade e mitigação de prejuízos.

🔗 Clique aqui para acessar o Notebook no Kaggle

---

🛠️ Ferramentas e Tecnologias

• Python 3: Linguagem principal do projeto.
• Pandas & NumPy: Manipulação de dados e operações numéricas.
• Matplotlib & Seaborn: Visualização gráfica para a EDA.
• Scikit-learn: Divisão de dados, modelo baseline, métricas de avaliação.
• LightGBM: Modelo avançado com técnica de Gradient Boosting.
• SHAP: Explicação dos resultados do modelo (XAI).
• Kaggle Notebooks: Ambiente de execução, devido à alta demanda de RAM (> 26GB).

---

🚀 Funcionalidades e Análises Principais

• Pipeline Robusto: Processamento de múltiplos arquivos .parquet e tratamento de dados inconsistentes.
• Análise Exploratória Profunda: Detecção de desbalanceamento (~3% inadimplentes) e descoberta de padrões com visualizações interativas.
• Engenharia de Features: Criação de variáveis como relacao_credito_renda, percentual_entrada, entre outras.
• Modelagem Comparativa: Comparativo entre modelo baseline (Logística) e modelo avançado (LightGBM).
• Métricas de Performance: AUC = 0.7240, Recall para inadimplentes = 64%.
• XAI com SHAP: Geração de sumários e visualizações que explicam os fatores de risco mais relevantes.

---

📊 Estrutura do Projeto

Atualmente sendo reproduzível utilizando do link do Kaggle Notebook acima, o código está sendo refaturado para reestruturação.

O projeto será dividido em dois notebooks para melhor organização e reprodutibilidade:

Notebook 1: Preparação e Análise Exploratória (EDA)

• Carregamento e integração dos arquivos de dados.
• Limpeza, filtragem e transformação de colunas.
• Visualizações gráficas e métricas descritivas por classe.

Notebook 2: Modelagem e Interpretação

• Treinamento dos modelos (baseline e avançado).
• Avaliação com ROC AUC, precision, recall.
• Geração de interpretações com SHAP para suporte à tomada de decisão.

---

💡 Destaque Técnico: Tratamento de Desbalanceamento

A chave para a performance do modelo LightGBM foi o uso do parâmetro scale_pos_weight, que corrige o desequilíbrio severo de classes sem a necessidade de oversampling ou undersampling.

# Cálculo do peso para forçar o modelo a focar na classe de inadimplentes
scale_pos_weight = y_train.value_counts()[0] / y_train.value_counts()[1]

# Instanciando o modelo com o parâmetro estratégico
lgbm_model = lgb.LGBMClassifier(
    random_state=42,
    scale_pos_weight=scale_pos_weight,  # <-- A técnica chave
    n_estimators=300
)

Essa abordagem resultou em um recall de 64% para a classe de inadimplentes, um salto de 0% em relação ao modelo baseline, tornando a solução eficaz para o problema de negócio.

---

👤 Autor