Jochris7/financial-inclusion-africa

Pipeline End-to-End de Data Science pour identifier et scorer les segments de population non bancarisés à fort potentiel Mobile Money en Afrique de l'Est (Kenya, Rwanda, Tanzanie, Ouganda). # Qui reste hors du système bancaire — Profilage de l'exclusion financière en Afrique de l'Est et opportunité mobile money ## Problème métier Orange Money cherche à cibler en priorité les populations exclues du système bancaire traditionnel pour son offre mobile money. Ce projet répond à une question business simple : **quels segments de population non bancarisée cibler en priorité pour l'acquisition, et quel est leur volume ?**, en s'appuyant sur les données du Kenya, du Rwanda, de la Tanzanie et de l'Ouganda. ## Données et source - Dataset : *Financial Inclusion in Africa* (~23 500 individus, 4 pays d'Afrique de l'Est). - Fichier utilisé : `data/raw/Train.csv`. - Cible : `bank_account` (Yes/No) — classes déséquilibrées (~14% de "Yes"). - Colonnes : `country`, `year`, `uniqueid`, `bank_account`, `location_type`, `cellphone_access`, `household_size`, `age_of_respondent`, `gender_of_respondent`, `relationship_with_head`, `marital_status`, `education_level`, `job_type`. ## Méthode 1. **`01_eda.py`** — audit qualité (manquants, doublons, cardinalité, valeurs aberrantes) et premiers constats métier chiffrés. 2. **`02_preprocessing.py`** — split stratifié 80/20 **avant** tout calcul de statistique (zéro fuite de données), feature engineering (tranches d'âge, flag foyer nombreux) et définition du `ColumnTransformer` (StandardScaler + OneHotEncoder) réutilisé par les Pipelines de modélisation. 3. **`03_train_models.py`** — DummyClassifier en baseline puis 6 modèles (LogisticRegression, DecisionTree, RandomForest, GradientBoosting, KNeighbors, GaussianNB), tous encapsulés dans un `Pipeline`, `class_weight='balanced'` quand disponible, `GridSearchCV` + `StratifiedKFold(5)` avec `scoring='average_precision'`. Sélection du meilleur modèle sur la PR-AUC (métrique adaptée aux classes déséquilibrées, contrairement à l'accuracy). 4. **`04_segments_ciblage.py`** (script central) — inverse la cible pour repérer les **non-bancarisés à fort potentiel mobile money** : croisement …