【深度之眼】kesci二分类算法大赛之初体验

 

 

0. 写在前面

  作为一个重度社恐的老萌新，决定单枪匹马的来参加这个练习赛，也是我参加的第一个此类比赛。

本次练习赛虽然最终成绩真的很普通，欢迎提提高意见，非常感谢。

不过收获真的很多，尝试了很多没接触过的东西。

希望有同学看到这段话，带我打打更大比赛！我可以

1.问题描述

数据选自UCI机器学习库中的「银行营销数据集(Bank Marketing Data Set)」

这些数据与葡萄牙银行机构的营销活动相关。这些营销活动以电话为基础，一般，银行的客服人员需要联系客户至少一次，以此确认客户是否将认购该银行的产品（定期存款）。

因此，与该数据集对应的任务是「分类任务」，「分类目标」是预测客户是(' 1 ')或者否(' 0 ')购买该银行的产品。

2.字段描述

字段说明

NO	字段名称	数据类型	字段描述
1	ID	Int	客户唯一标识
2	age	Int	客户年龄
3	job	String	客户的职业
4	marital	String	婚姻状况
5	education	String	受教育水平
6	default	String	是否有违约记录
7	balance	Int	每年账户的平均余额
8	housing	String	是否有住房贷款
9	loan	String	是否有个人贷款
10	contact	String	与客户联系的沟通方式
11	day	Int	最后一次联系的时间（几号）
12	month	String	最后一次联系的时间（月份）
13	duration	Int	最后一次联系的交流时长
14	campaign	Int	在本次活动中，与该客户交流过的次数
15	pdays	Int	距离上次活动最后一次联系该客户，过去了多久（999表示没有联系过）
16	previous	Int	在本次活动之前，与该客户交流过的次数
17	poutcome	String	上一次活动的结果
18	y	Int	预测客户是否会订购定期存款业务

 

3.数据预处理

这部分内容比较冗长，虽然不是重点但仔细了解指标，有助于下一节的特征工程，对结果有很大帮助。

 

3.1数据概览

import numpy as np
import pandas as pd
#导入数据集
def load_data():
    home_path = r"..." #输入数据所在位置
    train_path = os.path.join(home_path, "train_set.csv")
    test_path = os.path.join(home_path, "test_set.csv")
    train_data = pd.read_csv(train_path)
    test_data = pd.read_csv(test_path)
    return train_data, test_data


trainData, testData = load_data()
print('train Data:{}   testData:{}'.format(trainData.shape, testData.shape))
print(trainData.describe())

    训练集(25317, 18),测试集(10852, 17)        

	age	balance	day	duration	campaign	pdays	previous	y
count	25317.000000