🏦 Bank Customer Churn Prediction

Projet de Machine Learning pour prédire le taux de désabonnement (churn) des clients bancaires.

📋 Description

Système de prédiction permettant d'identifier les clients à risque de quitter la banque, facilitant ainsi la mise en place d'actions de rétention ciblées.

Cas d'usage : Départements marketing et relation client des banques.

🎯 Objectifs

• Prédire les clients susceptibles de quitter la banque (churn)
• Identifier les facteurs clés de désabonnement
• Fournir des insights actionnables via dashboard Power BI
• Optimiser les campagnes de rétention

📊 Dataset

Source : Kaggle - Bank Customer Churn Dataset

Caractéristiques :

• ~10,000 clients
• 14 features (démographie, produits, comportement)
• Target binaire : Exited (0 = actif, 1 = churné)

🏗️ Structure du projet

src/ : Scripts modulaires (Nettoyage, EDA, Entraînement, Évaluation).

config.py : Centralisation des paramètres (chemins, hyperparamètres, seuils).

models/ : Stockage des modèles sérialisés (.pkl) et du scaler.

🚀 Installation

Prérequis

• Python 3.8+
• pip

Setup

# Cloner le repo
git clone https://github.com/votre-username/bank-churn-prediction.git
cd bank-churn-prediction

# Créer un environnement virtuel
python -m venv venv
source venv/bin/activate  

# Installer les dépendances
pip install -r requirements.txt

📖 Utilisation

1. Télécharger le dataset

Téléchargement Bank Customer Churn Dataset et placement Churn_Modelling.csv dans data/raw/

2. Lancer le pipeline complet

python main.py

Cela exécute :

• ✅ Nettoyage des données
• ✅ Analyse exploratoire (graphiques sauvegardés)
• ✅ Feature engineering
• ✅ Entraînement de 4 modèles (LR, RF, XGBoost, LightGBM)
• ✅ Évaluation & comparaison
• ✅ Sauvegarde du meilleur modèle

📈 Résultats

Modèle, Accuracy, Precision, Recall (Churn), F1-Score, AUC-ROC Random Forest, 81.1%, 52.7%, 72.5%, 0.610, 0.856 XGBoost, 71.4%, 40.5%, 86.7%, 0.552, 0.867 LightGBM, 70.3%, 39.5%, 86.5%, 0.542, 0.869 Logistic Regression, 59.3%, 31.7%, 86.2%, 0.463, 0.785

🔑 Features importantes

1. Age - Le facteur n°1 (les clients matures ont des comportements de churn très marqués)
2. NumOfProducts - 1 seul produit = risque élevé
3. IsActiveMember - L'absence d'activité récente est le signal d'alerte immédiat.
4. Geography - Un taux de churn anormalement plus élevé sur ce segment géographique.

🛠️ Technologies

• Python 3.10
• ML : scikit-learn, XGBoost, LightGBM
• Data : pandas, numpy
• Viz : matplotlib, seaborn, plotly

📝 Méthodologie

1. Exploration : Analyse univariée/bivariée, détection outliers
2. Preprocessing : Encodage catégorielles, normalisation, gestion déséquilibre (SMOTE)
3. Modeling : 4 algorithmes testés avec validation croisée
4. Tuning : GridSearchCV pour hyperparamètres optimaux
5. Évaluation : Focus sur recall (détecter un maximum de churn)

🚀 Améliorations Clés :

Contrairement à une approche standard, ce pipeline intègre :

• Threshold Tuning (0.35) : Ajustement du seuil de décision pour capturer 86% des churneurs.

• Gestion du déséquilibre : Utilisation de class_weight='balanced' et scale_pos_weight pour compenser la minorité de clients churnés (~20%).

• Feature Engineering Robuste : Création de ratios métier (Balance/Salary) et de flags d'inactivité.

🏆 Choix Stratégique : LightGBM

Bien que le Random Forest ait un meilleur F1-score, nous recommandons LightGBM pour la production :

Recall de 86.5% : On ne rate que 13% des clients qui partent.

AUC de 0.869 : Excellente capacité du modèle à distinguer un client fidèle d'un client à risque.

📖 Comment reproduire les résultats :

• Installation : pip install -r requirements.txt

• Pipeline complet : python main.py

• Évaluation avec seuil personnalisé :

• Le seuil est configurable dans evaluate.py.

• Lancement : $env:PYTHONPATH = "."; python src/evaluate.py