README.md

metadata

title: Dashboard de Previsão de Cancelamento
emoji: 🏨
colorFrom: blue
colorTo: indigo
sdk: streamlit
sdk_version: 1.51.0
app_file: app.py
pinned: false

🏨 Dashboard de Análise Preditiva de Cancelamento de Reservas

Este é um dashboard interativo em Streamlit para analisar e modelar os fatores de cancelamento de reservas da rede hoteleira, com base na Tarefa 3 de Modelagem de Cancelamento de Reservas com Machine Learning.

O dashboard permite que um analista de dados (ou gerente) carregue o dataset hotel_bookings.csv e compare interativamente o desempenho de três modelos de classificação supervisionada:

1. Regressão Logística (RL)
2. K-Nearest Neighbors (KNN)
3. Support Vector Machine (SVM)

Como Usar

1. Faça o Upload dos Arquivos: Para que este Space funcione, você precisa ter os seguintes arquivos no seu repositório:

   • app.py (este aplicativo)
   • requirements.txt (as dependências)
   • hotel_bookings.csv (o conjunto de dados)

2. Ajuste os Parâmetros: Use o "Painel de Controle" na barra lateral esquerda para:

   • Definir o Tamanho da Amostra para o treinamento (essencial para performance).
   • Escolher o Algoritmo (RL, KNN ou SVM).
   • Ajustar os Hiperparâmetros específicos de cada modelo (como k para KNN ou C e kernel para SVM).
   • Decidir se aplicará SMOTE para balancear as classes.

3. Execute a Análise: Clique no botão "Executar Análise".

4. Interprete os Resultados: O dashboard exibirá:

   • Métricas de desempenho (AUC, F1-Score, Precisão, Recall).
   • Visualizações interativas (Curva ROC e Matriz de Confusão).
   • Uma Interpretação Gerencial detalhada, explicando o que as métricas significam para o negócio hoteleiro.

Aviso sobre Performance

Este dashboard treina modelos de ML em tempo real. O dataset completo possui mais de 100.000 registros. Treinar SVM ou KNN em todos os dados pode levar muito tempo e travar o app.

Solução: Use o slider "Tamanho da Amostra" para começar com um valor pequeno (ex: 3.000) e aumente conforme a necessidade.