File size: 1,777 Bytes
1901bd1
bafbe19
1901bd1
 
 
6de3700
1901bd1
 
bafbe19
1901bd1
 
6de3700
f0bb012
1901bd1
6de3700
1901bd1
6de3700
1901bd1
6de3700
1901bd1
6de3700
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
---
title: ' ModelagemdeCancelamentodeReservascomMachineLearning '
emoji: 🚀
colorFrom: red
colorTo: red
sdk: streamlit
app_port: 8501
tags:
- streamlit
pinned: false
short_description: Streamlit template space
license: mit
sdk_version: 1.51.0
---
# 🏨 Dashboard de Previsão de Cancelamentos Hoteleiros

## 📋 Sobre o Projeto

Este dashboard interativo foi desenvolvido para prever a probabilidade de cancelamento de reservas hoteleiras utilizando técnicas de Machine Learning. A ferramenta permite comparar três algoritmos de classificação e fornece insights valiosos para ações preventivas.

## 🎯 Objetivos

- **Previsão Preditiva**: Identificar reservas com alta probabilidade de cancelamento
- **Análise Comparativa**: Avaliar desempenho de diferentes algoritmos de ML
- **Tomada de Decisão**: Fornecer recomendações baseadas em dados para:
  - Overbooking controlado
  - Ofertas promocionais direcionadas
  - Políticas de retenção de clientes

## 🛠️ Funcionalidades

### 🤖 Algoritmos Implementados
1. **Regressão Logística** - Modelo linear probabilístico
2. **K-Nearest Neighbors (KNN)** - Modelo baseado em distância
3. **Support Vector Machine (SVM)** - Modelo baseado em separabilidade

### ⚙️ Configurações Interativas
- Ajuste de hiperparâmetros específicos por algoritmo
- Seleção de métricas de distância (KNN)
- Escolha de kernel (SVM)
- Configuração de validação cruzada
- Opção de balanceamento com SMOTE

### 📊 Visualizações
- Matriz de Confusão
- Curva ROC e AUC
- Métricas de desempenho comparativas
- Análise de importância de características

## 🚀 Como Usar

### Execução Local
```bash
# Instalar dependências
pip install -r requirements.txt

# Executar o dashboard
streamlit run app.py