大批量数据分析挖掘思路-Kaggle项目：保险销售预测

1、问题背景

Kaggle在6月份的季赛是保险销售预测问题，其原始数据集381109条的保险销售，季赛由利用原数据集的模型生成扩充而来。本篇文章以原始数据集为基础，用以抛砖引玉，探讨该问题的高效解法。

原始数据地址：Health Insurance Cross Sell Prediction 🏠 🏥 (kaggle.com)

2、问题描述

原文：我们的客户是一家为其客户提供健康保险的保险公司，现在他们需要您的帮助来建立一个模型来预测过去一年的投保人（客户）是否也会对公司提供的车辆保险感兴趣。

数据集格式：

数据概览：由于测试集不含标签，本文章为探讨之用，不考虑提交，因此只读取训练集。该数据集共有381109条数据，12个字段，其中字段解释如下：

字段	字段解释
id	ID
Gender	性别
Age	年龄
Driving_License	是否有驾照
Region_Code	地区编码
Previously_Insured	是否投保
Vehicle_Age	车龄
Vehicle_Damage	车辆是否损坏
Annual_Premium	年度保费
Policy_Sales Channel