Churn Predictor – Projet de Prédiction de l'Abandon des Utilisateurs

Ce projet vise à prédire si un utilisateur de l'application Waze va churner (quitter) ou rester actif, à partir de données comportementales et historiques. L’objectif est d’aider les entreprises à anticiper les désengagements et à mettre en œuvre des actions de fidélisation.

---

Fonctionnalités du Projet

• Analyse Exploratoire des Données (EDA)
• Prétraitement avancé des données :
  Winsorisation, QuantileTransformer, création de nouvelles variables, etc.
• Test de 10 modèles de classification supervisée
• Gestion du déséquilibre avec SMOTE
• Optimisation des hyperparamètres (RandomizedSearchCV)
• Sélection des meilleurs modèles
• Modèle de stacking pour meilleure performance
• Application Web interactive avec Streamlit
• Envoi d’e-mail recommandé pour utilisateurs churnés (à venir)

---

Technologies Utilisées

Outil / Bibliothèque	Utilisation
Python	Langage principal
pandas, numpy	Manipulation des données
scikit-learn	Prétraitement, modèles ML, pipelines
xgboost, lightgbm, catboost	Modèles de boosting
streamlit	Interface utilisateur Web
joblib	Sauvegarde et chargement des modèles
shap, seaborn, matplotlib	Interprétabilité et visualisation
SMOTE	Traitement du déséquilibre des classes

---

Lancer le projet localement

1. Cloner le dépôt

git clone https://github.com/abdelfatah-chaib/ChurnPredector.git
cd ChurnPredector