文件名称：基于ANN的Banking-Churn预测：基于ANN的Banking Churn预测
文件大小：526KB
文件格式：ZIP
更新时间：2024-03-21 11:20:42
python flask machine-learning deep-learning deployment
基于人工神经网络的银行搅动预测 该存储库将具有完整的基于机器学习和深度学习的银行业客户流失预测ANN模型，该模型将分析客户离开的可能性。 该项目已部署在Google Cloud Platform上，并在Localhost上进行了完全测试。 项目描述 欢迎屏幕 主欢迎屏幕由HTML5和CSS3制成，具有基本且简单的设计。 这是银行管理员的“银行流失预测”界面的主屏幕。 银行管理员输入 银行员工必须输入要分析其客户流失率的客户的详细信息。 下面是银行员工填写的输入的屏幕截图。 分析与准确性 预测引擎建立在以后盾的深层人工神经网络上。 在培训和测试数据上，我都达到了约85％的准确性。 对ANN进行10轮以上的K折交叉验证测试训练，以根据10轮旋转的准确度之间的差异查找数据是否过拟合或过拟合。 在Hyerparametes上对模型进行了调整，以找到最佳的batch_size ，纪元和优
【文件预览】：
Banking-Churn-Prediction-ANN-Based-main
----app.py(2KB)
----images()
--------4filled_index.png(103KB)
--------1accuracy_console.PNG(42KB)
--------3welcome_screen.PNG(106KB)
--------2server_running.PNG(31KB)
--------5prediction.PNG(34KB)
----templates()
--------std_scaler.pkl(880B)
--------index.html(3KB)
----__pycache__()
--------keras_model.cpython-37.pyc(798B)
----std_scaler.pkl(880B)
----app.yaml(17B)
----Procfile(22B)
----LICENSE(1KB)
----static()
--------styles()
----columns.pkl(754B)
----requirements.txt(201B)
----model.py(5KB)
----prediction_classifier.pkl(10KB)
----README.md(3KB)
----Churn_Modelling.csv(659KB)