本文探讨了如何使用逻辑回归确定银行定期存款产品的目标客户。通过对客户数据的分析，包括年龄、工作类型、信用违约等变量，旨在找到最有可能投资定期存款的客户群体。在模型建立过程中，强调了数据预处理的重要性，如处理异常值、特征选择等，以提高模型的准确性和效率。最后，文章提到模型评估和截止点的选择，以实现利润最大化。
一、得到数据集：
银行定期存款产品营销研究变量：
Age：年龄；job：工作类型（行政人员，管理人员，保姆，企业家，学生，蓝领，个体户，技师，退休，服务人员，失业，未知）；marital：婚姻状况（已婚，离婚，单身）；education：教育水平（初等，中等，高等，未知）；default：信用违约（是，否）；balance:平均年收支余额；housing：住房贷款（是，否）；loan：个人贷款（是，否）；contact：联系沟通类型（电话，收集，未知）；day:本月最后联系日；month：本年最后联系月（1-12）；duration：最后一次联系持续的时间（秒）；campaign：本次活动期间联系的客户数量；pdays：在以前的活动中客户最后一次被联系到现在的天数；previous：这次活动之前联系的客户数量；poutcome：以前营销活动的结果（未知，其他，失败，成功）；response：客户是否投资定期存
最低0.47元/天 解锁文章
4208
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
