---
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.