一个完整的数据分析案例 | 用Python搞定用户预测分析

银行营销数据分析 要求 Python 2.7 脾气暴躁> = 1.14.2 Matplotlib> = 2.2.0 熊猫> = 0.22.0 Scikit-Learn> = 0.19.1 描述 银行营销数据集是从葡萄牙语的一家银行机构的直接营销活动中收集的。 营销活动可以理解为打给客户的电话，说服他们接受他们向其银行存入定期存款。 每次通话后，他们被记为否-是客户未存入保证金，是-是通话中接受接受存入的客户。 该项目的目的是根据客户的信息预测应召客户是否愿意存入定期存款。 该项目考虑的银行营销数据集仅占全部可用数据集的一小部分（10％）。 该数据集包含约4119行数据，其中包含19个功能部件和1列Class信息。 数据集的主要问题是： 需要进行预处理以填充数据集中的未知值 需要进行预处理以决定分类数据和连续数据的使用 数据是类别不平衡的（与类别0的数量（否）相比，类别1

bank_direct_marketing_prediction 该数据与葡萄牙银行机构的直接营销活动相关。营销活动基于电话。 通常，需要与同一客户联系不止一个联系人，以便了解是否会（或不会）订阅该产品（银行定期存款）。 有两个数据集： 1) 包含所有示例的 bank-full.csv，按日期排序（从 2008 年 5 月到 2010 年 11 月）。 2) bank.csv 包含 10% 的示例 (4521)，从 bank-full.csv 中随机选择。 应用的数据挖掘算法： 神经网络、支持向量机 (SVM)、线性判别式、二次判别式、混合判别模型、具有逻辑回归的广义线性模型 (GLM)、具有所有变量的广义加性模型 (GAM)、具有逐步变量选择的 GAM、rPart 树 模型通过ROC曲线评估