🎬 Previsão de Churn em Plataforma de Streaming

Este projeto tem como objetivo prever quais usuários de uma plataforma de streaming têm maior probabilidade de cancelar a assinatura (churn), utilizando algoritmos de classificação supervisionada. É um exemplo prático de como a ciência de dados pode apoiar estratégias de retenção de clientes.

---

📌 Índice

• 🎯 Objetivo
• 🧪 Etapas do Projeto
• 🛠️ Tecnologias e Bibliotecas Utilizadas
• 📈 Resultados
• 💡 Aprendizados
• 🔗 Acesse

---

🎯 Objetivo

Identificar o perfil de usuários com maior risco de churn e treinar modelos de classificação para antever cancelamentos com base em dados históricos da plataforma.

---

🧪 Etapas do Projeto

1. Análise Exploratória de Dados (EDA)

   • Leitura do dataset
   • Verificação de valores nulos, tipos de dados e estatísticas descritivas
   • Visualizações com seaborn (baseadas no Python Graph Gallery)

2. Limpeza e Pré-processamento

   • Remoção/substituição de nulos
   • Codificação com get_dummies e LabelEncoder
   • Normalização com MinMaxScaler

3. Modelagem

   • Aplicação da Regressão Logística como baseline
   • Avaliação com ConfusionMatrixDisplay e classification_report

4. Tuning

   • Implementação de RandomForestClassifier
   • Estrutura clara com fit, predict, assign

---

🛠️ Tecnologias e Bibliotecas Utilizadas

• Python (Jupyter Notebook)
• pandas, numpy
• seaborn, matplotlib
• scikit-learn

---

📈 Resultados

A combinação entre as variáveis selecionadas e os modelos aplicados permitiu identificar padrões claros de comportamento dos usuários. O modelo Random Forest apresentou melhor desempenho em relação à regressão logística.

---

💡 Aprendizados

• Estruturação de um pipeline de machine learning supervisionado.
• Comparação entre modelos de classificação.
• Aplicação prática de estratégias de retenção orientadas a dados.

---

🔗 Acesse

📂 Repositório no GitHub