机器学习之「二分类算法」-----银行营销案例分析

背景

数据共41188条，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）。
通过与葡萄牙银行机构的直销活动（电话）有关的一些数据，预测客户是否会订阅定期存款（变量Y）。这对于实际生产有着巨大作用，可以通过这个预测结果对未来的工作进行一个初步规划，同时也可以对某些用户是否会订阅定期存款提供一个参照等；

数据说明

客户信息：
Age：年龄
Job：工作，工作类型（分类：“行政管理”、“蓝领”、“企业家”、“女佣”、“管理”、 “退休”、“个体户”、“服务”、“学生”、“技术员”、“失业”、“未知”）
Marital：婚姻，婚姻状况（分类：离婚，已婚，单身，未知）（注：“离婚”指离婚或丧偶）
Education：教育（分类：‘基本.4y’，‘Basy.6y’，‘Basy.9y’’，‘Health.学校’，‘文盲’，‘专业’课程，‘大学学位’，‘未知’）
Default：违约，信用违约吗？（分类：“不”，“是”，“不知道”）
Housing：房，有住房贷款吗？（分类：“不”，“是”，“不知道”）
Loan：贷款，有个人贷款吗？（（分类：“不”，“是”，“不知道”）

预测相关的其他数据：
Contact：接触方式（分类：“移动电话”，“固定电话”）
Month：月，最后一个联系月份（分类：‘MAR’，…，‘NOV’，’DEC’）
Day_of_week：每周的天数，最后一周的联系日（分类）：“Mon”、“Tee”、“We”、“TUU”、“FRI”
Duration：持续时间，最后的接触持续时间，以秒为单位
Campaign：在这次战役和这个客户联系的执行人数量
Pdays：客户上次从上次活动中联系过去之后的天数（数字；999表示以前没有联系过客户）
Previous：本次活动之前和本客户端的联系人数（数字）
Proutcome：前一次营销活动的结果（分类：失败，不存在，成功）

社会和经济背景属性
EMP.var.rate：就业变化率-季度指标（数字）
cons.price.idx：消费者价格指数-月度指标（数字）
cons.conf.idx：消费者信心指数-月度指标（数字）
euribor3m:：欧元同业拆借利率3个月利率-每日指标（数字）
nr.employed：员工人数-季度指标（数字）

输出变量：
Y -客户是否会定期存款？“是”、“否”

数据预处理

1. 删除用户ID
2. 缺失值处理，观察数据可以得知，数值型变量没有缺失，非数值型变量可能存在unknown值。
   （1）删除 “unknown”
   （2）缺失值分析
   （3）采用随机森林对缺失值进行插补
   
   可以看到部分数据中缺失值的情况还是比较严重的，直接删除会对预测结果有较大影响，采取效果较好的随机森林插补缺失值的方法。在数据量较大的情况下，插补时间较长。

 #随机森林插补缺失值
> library(missForest)
> data=missForest(mydata)
  missForest iteration 1 in progress...done!
  missForest iteration 2 in progress...done!
  missForest iteration 3 in progress...done!
  missForest iteration 4 in progress...done!
> intact=data$ximp
> md.pattern(intact)
     job marital education default housing loan contact month day_of_week