客户购买意愿预测

最新推荐文章于 2024-05-20 22:28:16 发布
最新推荐文章于 2024-05-20 22:28:16 发布
阅读量5.5k 收藏 85
点赞数 9
分类专栏： 机器学习 文章标签： python 机器学习 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51297533/article/details/117409321
版权

目录

1.提出问题

2.理解数据

3.查看数据

4.数据分析

4.1离散变量分析

4.2连续变量分析

5.特征工程

5.1特征处理

5.2统计检验与特征筛选

5.3.不平衡数据集处理

6.数据建模

6.1构建模型以及模型评估

6.2方案实施

1.提出问题

本项目是与葡萄牙银行机构的营销活动相关。这些营销活动一般以电话为基础，银行的客服人员至少联系客户一次，以确认客户是否有意愿购买该银行的产品（定期存款）。

因此本文的任务是基本类型为分类任务，即预测客户是否购买该银行的产品。

2.理解数据

数据来源：https://www.kesci.com/home/competition/5c234c6626ba91002bfdfdd3/content/1

项目提供了2个数据集，分别为训练数据（train_set）、测试数据（test_set）

了解数据字段：

 NO字段名称数据类型字段描述
1IDInt客户唯一标识
2ageInt客户年龄
3jobString客户的职业
4maritalString婚姻状况
5educationString受教育水平
6defaultString是否有违约记录
7balanceInt每年账户的平均余额
8housingString是否有住房贷款
9loanString是否有个人贷款
10contactString与客户联系的沟通方式
11dayInt最后一次联系的时间（几号）
12monthString最后一次联系的时间（月份）
13durationInt最后一次联系的交流时长
14campaignInt在本次活动中，与该客户交流过的次数
15pdaysInt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）
16previousInt在本次活动之前，与该客户交流过的次数
17poutcomeString上一次活动的结果
18yInt预测客户是否会订购定期存款业务

3.查看数据

In [1]:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

import  warnings
warnings.filterwarnings("ignore")

In [2]:

train=pd.read_csv('D:/data/predict/train_set.csv')
test=pd.read_csv('D:/data/predict/test_set.csv')
train.head()

Out[2]:

 IDagejobmaritaleducationdefaultbalancehousingloancontactdaymonthdurationcampaignpdayspreviouspoutcomey
0143managementmarriedtertiaryno291yesnounknown9may1502-10unknown0
1242techniciandivorcedprimaryno5076yesnocellular7apr9912512other0
2347admin.marriedsecondaryno104yesyescellular14jul772-10unknown0
3428managementsinglesecondaryno-994yesyescellular18jul1742-10unknown0
4542techniciandivorcedsecondaryno2974yesnounknown21may1875-10unknown0

In [3]:

print('训练数据集大小', train.shape,'测试数据集大小',test.shape)

训练数据集大小 (25317, 18) 测试数据集大小 (10852, 17)

In [4]:

# 从训练集查看是否平衡数据集
plt.rc('font', family='SimHei', size=13)
fig = plt.figure()
plt.pie(train['y'].value_counts(),
        labels=train['y'].value_counts().index,
        autopct='%1.2f%%',counterclock = False)
plt.title('购买率')
plt.show()

数据集是不平衡数据集

In [5]:

# 查看是否有空值
data = pd.concat([train.drop(['y'],axis=1),test],axis=0).reset_index(drop=True)
data.isnull().sum()
无空值

In [7]:

# 对object型数据查看unique
str_features = []
num_features=[]
for col in train.columns:
    if train[col].dtype=='object':
        str_features.append(col)
        print(col,':  ',train[col].unique())
    if train[col].dtype=='int64' and col not in ['ID','y']:
        num_features.append(col)

job :   ['management' 'technician' 'admin.' 'services' 'retired' 'student'
 'blue-collar' 'unknown' 'entrepreneur' 'housemaid' 'self-employed'
 'unemployed']
marital :   ['married' 'divorced' 'single']
education :   ['tertiary' 'primary' 'secondary' 'unknown']
default :   ['no' 'yes']
housing :   ['yes' 'no']
loan :   ['no' 'yes']
contact :   ['unknown' 'cellular' 'telephone']
month :   ['may' 'apr' 'jul' 'jun' 'nov' 'aug' 'jan' 'feb' 'dec' 'oct' 'sep' 'mar']
poutcome :   ['unknown' 'other' 'failure' 'success']

观察发现分类字段有‘unknown’这个类别，此时将该类别也当作缺失值，进一步查看

In [8]:

train.isin(['unknown']).mean()*100

Out[8]:

ID            0.000000
age           0.000000
job           0.643836
marital       0.000000
education     4.206660
default       0.000000
balance       0.000000
housing       0.000000
loan          0.000000
contact      28.759332
day           0.000000
month         0.000000
duration      0.000000
campaign      0.000000
pdays         0.000000
previous      0.000000
poutcome     81.672394
y             0.000000
dtype: float64

通常对于缺失值的处理，最常用的方法无外乎删除法、替换法和插补法。

  • 删除法是指将缺失值所在的观测行删除（前提是缺失行的比例非常低，如5%以内），或者删除缺失值所对应的变量（前提是该变量中包含的缺失值比例非常高，如70%左右）
  • 替换法是指直接利用缺失变量的均值、中位数或众数替换该变量中的缺失值，其好处是缺失值的处理速度快，弊端是易产生有偏估计，导致缺失值替换的准确性下降
  • 插补法则是利用有监督的机器学习方法（如回归模型、树模型、网络模型等）对缺失值作预测，其优势在于预测的准确性高，缺点是需要大量的计算，导致缺失值的处理速度大打折扣

这里观察到contact和poutcome的‘unknow’类别分别达到28.76%和81.67%，在展示数据后考虑进一步处理，job和education的unknown占比较小，考虑不对这两个特征的unknow进行处理

In [9]:

print(str_features)
print(num_features)

['job', 'marital', 'education', 'default', 'housing', 'loan', 'contact', 'month', 'poutcome']
['age', 'balance', 'day', 'duration', 'campaign', 'pdays', 'previous']

4.数据分析

4.1离散变量分析

In [10]:

plt.figure(figsize=(15,15))
i=1
for col in str_features:
    plt.subplot(3,3,i)
    # 这里用mean是因为标签是0，1二分类，0*0的行数(即没购买的人数)+1*1的行数(购买的人数)/所有行数=购买率
    train.groupby([col])['y'].mean().plot(kind='bar',
                                          stacked=True,
                                          rot=90,
                                          title='Purchase rate of {}'.format(col))
    plt.subplots_adjust(wspace=0.2,hspace=0.7)  # 调整子图间距
    i=i+1
plt.show()

 结论：通过可视图可以初步观察到这些特征是否会影响购买率

4.2连续变量分析

In [11]:

num_features

Out[11]:

['age', 'balance', 'day', 'duration', 'campaign', 'pdays', 'previous']

In [12]:

train[num_features].describe()

Out[12]:

 agebalancedaydurationcampaignpdaysprevious
count25317.00000025317.00000025317.00000025317.00000025317.00000025317.00000025317.000000
mean40.9353791357.55508215.835289257.7323932.77205040.2487660.591737
std10.6342892999.8228118.319480256.9751513.136097100.2135412.568313
min18.000000-8019.0000001.0000000.0000001.000000-1.0000000.000000
25%33.00000073.0000008.000000103.0000001.000000-1.0000000.000000
50%39.000000448.00000016.000000181.0000002.000000-1.0000000.000000
75%48.0000001435.00000021.000000317.0000003.000000-1.0000000.000000
max95.000000102127.00000031.0000003881.00000055.000000854.000000275.000000
#用热力图考察数值型特征与目标之间的关系
num_train = train[['age', 'balance', 'day', 'duration', 'campaign', 'pdays', 'previous','y']]
plt.figure(figsize = (10,8))
corr = num_train.corr()
sns.heatmap(corr ,annot=True, cmap= 'Spectral_r')
<matplotlib.axes._subplots.AxesSubplot at 0x23a886ed9a0>

从中可见duration(最后一次联系的交流时长)和是否购买之间存在着较大的相关性， balance存在着较低的相关性， 特征previous和pdays, campaign和day之间相关性较强。

age 年龄

In [13]:

plt.figure()
sns.boxenplot(x='y', y=u'age', data=train)
plt.show()

In [14]:

train[train['y']==0]['age'].plot(kind='kde',label='0')
train[train['y']==1]['age'].plot(kind='kde',label='1')
plt.legend()
plt.show()

两类客户的购买年龄分布差异不大；

balance 每年账户的平均余额

In [15]:

train['balance'].plot(kind='hist')
plt.show()

duration 最后一次联系的交流时长

In [16]:

plt.figure()
sns.boxplot(y=u'duration', data=train)
plt.show()

campaign 在本次活动中，与该客户交流过的次数

In [17]:

plt.figure(figsize=(10,5))
plt.subplot(1,2,1)
sns.boxenplot(x='y', y=u'campaign', data=train)
plt.subplot(1,2,2)
sns.boxplot(y=u'campaign', data=train)
plt.show()

pdays 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）

In [18]:

plt.figure(figsize=(10,5))
plt.subplot(1,2,1)
sns.boxenplot(x='y', y=u'pdays', data=train)
plt.subplot(1,2,2)
sns.boxplot(y=u'pdays', data=train)
plt.show()

previous 在本次活动之前，与该客户交流过的次数

In [19]:

plt.figure(figsize=(10,5))
plt.subplot(1,2,1)
sns.boxenplot(x='y', y=u'previous', data=train)
plt.subplot(1,2,2)
sns.boxplot(y=u'previous', data=train)
plt.show()

5.特征工程

In [20]:

from scipy.stats import chi2_contingency       # 数值型特征检验，检验特征与标签的关系
from scipy.stats import f_oneway,ttest_ind     # 分类型特征检验，检验特征与标签的关系

In [21]:

#----------数据集处理--------------#
from sklearn.model_selection import train_test_split        # 划分训练集和验证集
from sklearn.model_selection import KFold,StratifiedKFold   # k折交叉
from imblearn.combine import SMOTETomek,SMOTEENN            # 综合采样
from imblearn.over_sampling import SMOTE                    # 过采样
from imblearn.under_sampling import RandomUnderSampler      # 欠采样

#----------数据处理--------------#
from sklearn.preprocessing import StandardScaler # 标准化
from sklearn.preprocessing import OneHotEncoder  # 热独编码
from sklearn.preprocessing import OrdinalEncoder

5.1特征处理

数据清洗的步骤为：选择子集——列名重命名——删除重复值——缺失值处理——数据类型转换——数据排序——异常值处理，在这个案例中，在查看空值与缺失值以及对数据的可视化观测后，对连续变量检测异常值后进行处理，保留所有离散变量，并对其做虚拟变量处理。

连续变量即数值化数据做异常值处理

In [22]:

# 异常值处理
def outlier_processing(dfx):
    df = dfx.copy()
    q1 = df.quantile(q=0.25)
    q3 = df.quantile(q=0.75)
    iqr = q3 - q1
    Umin = q1 - 1.5*iqr
    Umax = q3 + 1.5*iqr 
    df[df>Umax] = df[df<=Umax].max()
    df[df<Umin] = df[df>=Umin].min()
    return df

In [23]:

train['age']=outlier_processing(train['age'])
train['day']=outlier_processing(train['day'])
train['duration']=outlier_processing(train['duration'])
train['campaign']=outlier_processing(train['campaign'])

test['age']=outlier_processing(test['age'])
test['day']=outlier_processing(test['day'])
test['duration']=outlier_processing(test['duration'])
test['campaign']=outlier_processing(test['campaign'])

In [24]:

train[num_features].describe()

Out[24]:

 agebalancedaydurationcampaignpdaysprevious
count25317.00000025317.00000025317.00000025317.00000025317.00000025317.00000025317.000000
mean40.8595021357.55508215.835289234.2351382.39143740.2487660.591737
std10.3873652999.8228118.319480175.3955591.599851100.2135412.568313
min18.000000-8019.0000001.0000000.0000001.000000-1.0000000.000000
25%33.00000073.0000008.000000103.0000001.000000-1.0000000.000000
50%39.000000448.00000016.000000181.0000002.000000-1.0000000.000000
75%48.0000001435.00000021.000000317.0000003.000000-1.0000000.000000
max70.000000102127.00000031.000000638.0000006.000000854.000000275.000000

分类变量做编码处理

In [25]:

dummy_train=train.join(pd.get_dummies(train[str_features])).drop(str_features,axis=1).drop(['ID','y'],axis=1)
dummy_test=test.join(pd.get_dummies(test[str_features])).drop(str_features,axis=1).drop(['ID'],axis=1)

5.2统计检验与特征筛选

连续变量-连续变量 相关分析

连续变量-分类变量 T检验/方差分析

分类变量-分类变量 卡方检验

对类别标签（离散变量）用卡方检验分析重要性

卡方检验认为显著水平大于95%是差异性显著的，这里即看p值是否是p>0.05，若p>0.05，则说明特征不会呈现差异性。

In [26]:

for col in str_features:
    obs=pd.crosstab(train['y'],
                    train[col],
                    rownames=['y'],
                    colnames=[col])
    chi2, p, dof, expect = chi2_contingency(obs)
    print("{} 卡方检验p值: {:.4f}".format(col,p))

job 卡方检验p值: 0.0000
marital 卡方检验p值: 0.0000
education 卡方检验p值: 0.0000
default 卡方检验p值: 0.0001
housing 卡方检验p值: 0.0000
loan 卡方检验p值: 0.0000
contact 卡方检验p值: 0.0000
month 卡方检验p值: 0.0000
poutcome 卡方检验p值: 0.0000

结果显示所有类型变量均显著。

对连续变量做方差分析进行特征筛选

In [27]:

from sklearn.feature_selection import SelectKBest,f_classif

f,p=f_classif(train[num_features],train['y'])
k = f.shape[0] - (p > 0.05).sum()
selector = SelectKBest(f_classif, k=k)
selector.fit(train[num_features],train['y'])

print('scores_:',selector.scores_)
print('pvalues_:',selector.pvalues_)
print('selected index:',selector.get_support(True))

scores_: [  13.38856992   84.16396612   25.76507245 4405.56959938  193.97418155
  296.33099313  199.09942912]
pvalues_: [2.53676251e-04 4.89124305e-20 3.88332900e-07 0.00000000e+00
 6.26768275e-44 4.93591331e-66 4.86613654e-45]
selected index: [0 1 2 3 4 5 6]

结果显示所有连续变量均显著。

In [28]:

# 标准化，返回值为标准化后的数据
standardScaler=StandardScaler()
ss=standardScaler.fit(dummy_train.loc[:,num_features])
dummy_train.loc[:,num_features]=ss.transform(dummy_train.loc[:,num_features])
dummy_test.loc[:,num_features]=ss.transform(dummy_test.loc[:,num_features])

5.3.不平衡数据集处理

In [29]:

X=dummy_train
y=train['y']

先拆分数据集为训练集和验证集，对训练集做采样处理，验证集不动

In [30]:

X_train,X_valid,y_train,y_valid=train_test_split(X,y,test_size=0.2,random_state=2021)

In [31]:

smote_tomek = SMOTETomek(random_state=2021)
X_resampled, y_resampled = smote_tomek.fit_resample(X_train, y_train)

6.数据建模

6.1构建模型以及模型评估

In [41]:

#----------建模工具--------------#
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import Pipeline

import lightgbm as lgb
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
from sklearn.neighbors import KNeighborsClassifier

In [42]:

#----------模型评估工具----------#
from sklearn.metrics import confusion_matrix # 混淆矩阵
from sklearn.metrics import classification_report
from sklearn.metrics import recall_score,f1_score
from sklearn.metrics import roc_auc_score
from sklearn.metrics import roc_curve

本文主要考虑逻辑回归、支持向量机、随机森林和LGBM算法

In [43]:

#逻辑回归
param = {"penalty": ["l1", "l2", ], "C": [0.1, 1, 10], "solver": ["liblinear","saga"]}
gs = GridSearchCV(estimator=LogisticRegression(), param_grid=param, cv=2, scoring="roc_auc",verbose=10) 
gs.fit(X_resampled,y_resampled) 
print(gs.best_params_) 
y_pred = gs.best_estimator_.predict(X_valid) 
print(classification_report(y_valid, y_pred))

{'C': 1, 'penalty': 'l2', 'solver': 'liblinear'}
              precision    recall  f1-score   support

           0       0.93      0.94      0.93      4468
           1       0.51      0.51      0.51       596

    accuracy                           0.88      5064
   macro avg       0.72      0.72      0.72      5064
weighted avg       0.88      0.88      0.88      5064

In [44]:

# 训练集
confusion_matrix(y_resampled,gs.best_estimator_.predict(X_resampled),labels=[1,0])

Out[44]:

array([[16129,  1742],
       [ 1080, 16791]], dtype=int64)

In [45]:

# 验证集
confusion_matrix(y_valid,y_pred,labels=[1,0])

Out[45]:

array([[ 302,  294],
       [ 290, 4178]], dtype=int64)

In [46]:

#画roc-auc曲线
def get_rocauc(X,y,clf):
    from sklearn.metrics import roc_curve
    FPR,recall,thresholds=roc_curve(y,clf.predict_proba(X)[:,1],pos_label=1)
    area=roc_auc_score(y,clf.predict_proba(X)[:,1])
    
    maxindex=(recall-FPR).tolist().index(max(recall-FPR))
    threshold=thresholds[maxindex]
    
    plt.figure()
    plt.plot(FPR,recall,color='red',label='ROC curve (area = %0.2f)'%area)
    plt.plot([0,1],[0,1],color='black',linestyle='--')
    plt.scatter(FPR[maxindex],recall[maxindex],c='black',s=30)
    plt.xlim([-0.05,1.05])
    plt.ylim([-0.05,1.05])
    plt.xlabel('False Positive Rate')
    plt.ylabel('Recall')
    plt.title('Receiver operating characteristic example')
    plt.legend(loc='lower right')
    plt.show()
    return threshold

In [47]:

threshold=get_rocauc(X_resampled, y_resampled,gs.best_estimator_)

左上角的点即是Recall和FPR平衡的点，threshold即为平衡点对应的阀值。 可以根据阀值重新来构建预测结果：

In [48]:

# 阈值调整
def get_ypred(X,clf,threshold):
    y_pred=[]
    for i in clf.predict_proba(X)[:,1]:
        if i > threshold:
            y_pred.append(1)
        else:
            y_pred.append(0)
    return y_pred

# ytrain_pred=get_ypred(Xtrain,clf,threshold)

In [49]:

# 支持向量机
param = {"C": list(np.linspace(0,1,10))} 
gs = GridSearchCV(estimator=SVC(probability=True), param_grid=param, cv=2, scoring="roc_auc", n_jobs=-1, verbose=10) 
gs.fit(X_resampled,y_resampled)
print(gs.best_params_) 
y_pred = gs.best_estimator_.predict(X_valid) 
print(classification_report(y_valid, y_pred))

Fitting 2 folds for each of 10 candidates, totalling 20 fits
{'C': 1.0}
              precision    recall  f1-score   support

           0       0.94      0.93      0.94      4468
           1       0.52      0.58      0.55       596

    accuracy                           0.89      5064
   macro avg       0.73      0.75      0.74      5064
weighted avg       0.89      0.89      0.89      5064

In [53]:

# 随机森林
param = {'n_estimators':[500,520,530],
         'max_features':[0.74,0.75,0.77],
         'min_samples_leaf':[2,3,4]}
gs = GridSearchCV(estimator=RandomForestClassifier(), param_grid=param, cv=2, scoring="roc_auc", n_jobs=-1, verbose=10) 
gs.fit(X_resampled,y_resampled)
print(gs.best_params_) 
y_pred = gs.best_estimator_.predict(X_valid) 
print(classification_report(y_valid, y_pred))

Fitting 2 folds for each of 27 candidates, totalling 54 fits
{'max_features': 0.74, 'min_samples_leaf': 2, 'n_estimators': 530}
              precision    recall  f1-score   support

           0       0.95      0.92      0.93      4468
           1       0.51      0.64      0.57       596

    accuracy                           0.89      5064
   macro avg       0.73      0.78      0.75      5064
weighted avg       0.90      0.89      0.89      5064

In [56]:

from lightgbm.sklearn import LGBMClassifier
param = {'max_depth': [5,7,9,11,13],
         'learning_rate': [0.01,0.03,0.05,0.1],
         'num_leaves': [30,90,120],
         'n_estimators': [1000,1500,2000,2500]}
gs = GridSearchCV(estimator=LGBMClassifier(), param_grid=param, cv=5, scoring="roc_auc", n_jobs=-1, verbose=10) 
gs.fit(X_resampled,y_resampled)
print(gs.best_params_) 
y_pred = gs.best_estimator_.predict(X_valid) 
print(classification_report(y_valid, y_pred))

Fitting 5 folds for each of 240 candidates, totalling 1200 fits
{'learning_rate': 0.01, 'max_depth': 13, 'n_estimators': 2000, 'num_leaves': 120}
              precision    recall  f1-score   support

           0       0.94      0.95      0.94      4468
           1       0.59      0.53      0.56       596

    accuracy                           0.90      5064
   macro avg       0.77      0.74      0.75      5064
weighted avg       0.90      0.90      0.90      5064

from sklearn.metrics import roc_auc_score
LR_auc = roc_auc_score(y_valid, gs1.best_estimator_.predict_proba(X_valid)[:, 1])
svc_auc = roc_auc_score(y_valid, gs2.best_estimator_.predict_proba(X_valid)[:, 1])
rf_auc = roc_auc_score(y_valid, gs3.best_estimator_.predict_proba(X_valid)[:, 1])
LGBM_auc = roc_auc_score(y_valid, gs4.best_estimator_.predict_proba(X_valid)[:, 1])


print("AUC for LR: {:.3f}".format(LR_auc))
print("AUC for SVC: {:.3f}".format(svc_auc))
print("AUC for Random Forest: {:.3f}".format(rf_auc))
print("AUC for LGBM: {:.3f}".format(LGBM_auc))
AUC for LR: 0.894
AUC for SVC: 0.907
AUC for Random Forest: 0.917
AUC for LGBM: 0.926

6.2方案实施

通过对比逻辑回归、支持向量机、随机森林和LGBM算法的AUC得出最佳参数所构建的模型，得出LGBM算法参数为{'learning_rate': 0.01, 'max_depth': 13, 'n_estimators': 2000, 'num_leaves': 120}时效果最好，precision、recall、f1-score的weighted avg都为0.9，AUC最高为0.926。

In [57]:

X_test = dummy_test
y_test=gs.best_estimator_.predict_proba(X_test)
test['pred']=y_test[:,1]

In [58]:

test[['ID','pred']].to_csv('lgb.csv')

提交结果，最终得分：0.9253091

分析鬼才
关注
  • 9
    点赞
  • 踩
  • 85
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
数据科学与大数据分析学习笔记-8分类
Jifu_M的博客
12-28 448
Classification分类Decision Tree决策树算法Evaluating a Decision TreeProperties of Decision TreeNaïve Bayes Classifier 简单贝叶斯分类器Smoothing techniqueDiagnostics of ClassifiersConfusion matrixAdditional Classification Models •分类是数据挖掘相关应用中出现的一种基本学习方法。 •分类器执行的主要任务是为新的观察值
「二分类算法」提供银行精准营销解决方案
qq_32811823的博客
07-28 1709
银行精准营销解决方案 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。 数据集中包含有客户年龄，职业婚姻，教育水平等信息，通过这些信息建模，预测客户是否将认购该银行的产品 一.数据和库的导入 import datetime import pandas as pd import numpy as np import os import seaborn as sns import re...
Bank-marketing-Analysis:数据与葡萄牙银行机构的直接营销活动有关。 市场营销活动以电话为基础。 通常，需要访问同一个客户的多个联系人，以便访问产品（银行定期存款）是否（“是”）订阅（“否”）
04-01
银行营销分析 数据与葡萄牙银行机构的直接营销活动有关。 市场营销活动以电话为基础。 为了访问产品（银行定期存款）是否（“是”）订阅（“否”），通常需要与同一客户进行多次联系。
逻辑回归实例
weixin_30919571的博客
08-25 1026
　　简介 　　Logistic回归是一种机器学习分类算法，用于预测分类因变量的概率。 在逻辑回归中，因变量是一个二进制变量，包含编码为1（是，成功等）或0（不，失败等）的数据。 换句话说，逻辑回归模型预测P（Y = 1）是X的函数。 　　数据 　　该数据集来自UCI机器学习库，它与葡萄牙银行机构的直接营销活动（电话）有关。 分类目标是预测客户是否将购买定期存款（变量y）。 数据集可以从这里下...
【教学赛】金融数据分析赛题1：银行客户认购产品预测（0.9685）
最新发布
qq_38436467的博客
05-20 1167
在与客户沟通的过程中，记录了联系次数、上一次联系时长和时间间隔，同时在银行系统中保存了客户的基本信息，包括年龄、职业、婚姻状况、是否违约以及是否有房贷等。使用LightGBM模型进行建模，设置了一些参数，如n_estimators（树的数量）和learning_rate（学习率）。print('验证集AUC:{}'.format(roc_auc_score(y_test,y_pred1)))通过相关性矩阵热力图可以观察到一些与目标变量相关性较高的特征，在模型的特征输出中也占据了重要的位置。
用银行营销数据学习数据挖掘：探索预测客户购买行为的模型
Gauss_m10的博客
03-11 6047
使用Python对银行营销数据进行分类建模，用以预测客户购买行为。分类建模过程包括对数据预处理、对不平衡数据的处理、使用三种分类模型建模、利用交叉验证寻找各模型最优参数、对模型效果评估、选择最优模型进行应用。
Python基础入门　(四数据分析处理库Pandas应用）
INFINITE POSSIBILITIES
05-04 897
1.Pandas简介 2.两种数据结构 3.相关操作(索引，查询，统计分析，SQL操作，对缺失值处理，excel的数据透视表功能，多层索引） 1.Pandas简介 Pandas是基于Numpy的一个开源python库，它被广泛用于快速分析数据，以及数据清洗和准备等工作。 2.两种数据结构 pandas中有两类非常重要的数据结构，就是序列Series和数据框DataFrame...
Python实现预测客户是否会购买房车险源码+数据集，基于伯努利朴素贝叶斯预测客户购买房车险源码，Python预测客户购买房车险
01-13
在本项目中，我们将探讨如何使用...通过运行源代码，我们可以重现整个预测过程，学习如何利用Python和伯努利朴素贝叶斯进行客户购买行为预测。这是一个典型的机器学习实战项目，有助于提升数据分析和模型构建的技能。
基于决策树的商品购买力预测.zip
04-25
在商业环境中，我们可能关注的是特定商品或服务的潜在买家能否承受其价格，或者预测他们在未来一段时间内的购买意愿和能力。 接下来，进入决策树的学习。决策树的学习过程包括两个主要步骤：特征选择和树的构建。...
基于BP神经网络的用户评论意愿预测研究.pdf
09-26
总的来说，基于BP神经网络的用户评论意愿预测研究是一项结合了神经网络、深度学习、机器学习和数据建模的综合性工作，旨在利用大数据的力量理解和影响用户的在线行为，为企业决策提供有力支持。通过对用户行为的深入...
python 逻辑回归，预测银行客户是否购买定期存款
weixin_43213268的博客
04-03 8627
问题： 逻辑回归其实是一个二分类问题，预测银行客户是否购买定期存款我们会提出以下一些问题： (1)影响银行客户购买定期存款的因素有哪些 (2)对于类别变量我们应该怎样处理， (3)我们应该怎样进行特征选择 (4)逻辑回归模型预测，以及最终的评估 另外还有很多需要注意的，比如数据处理，缺失值异常值的怎样处理，等等 下面开始一步步进行实现 首先导入在整个过程中需要用到的模块 import pandas...
09- 京东客户购买意向预测 (机器学习集成算法) (项目九) *
March_A的博客
02-18 1794
根据已知用户购买、浏览数据，对用户未来的购买意向，进行预测。提前知道用户购买意向，可以大大提升，电商平台对物流的掌控力度，提前备货。对消费者也是一定好处，商品购买意向预测，相当于商品找消费者，实现个性化服务，消费者购物体验会大大提升~数据加载数据探索特征工程算法筛选模型评估。
逻辑回归做分类预测-客户购买
JUV_7的博客
11-04 2152
目录 文章目录 前言 一、初始化 二、了解数据集 三、了解变量 四、特征处理 五、 建模 总结 前言 本文的主要内容是对银行客户进行分类 预测其是否会购买银行的定期存款产品。 以下内容主要展现简单的数据分析、画图、分类变量编码、数据缩放和逻辑回归完整过程。 变量含义： · ID：客户唯一标识 · age：客户年龄 · job：客户的职业 · marital：婚姻状况 · education：受教育水平 · default：是否有违约记录 · balance：每年账户的平均
天池案例赛--银行产品认购预测
weixin_44935469的博客
02-23 7580
银行产品认购预测
机器学习--银行营销方案
alyja的博客
06-10 3458
项目背景及目标 通过银行数据来预测客户是否购买产品。 目标 1.分析各个因素对是否购买产品的影响 2.建立模型预测用户是否购买 数据集 数据集来源： https://www.kesci.com/home/competition/5c234c6626ba91002bfdfdd3/content/5 代码参考： https://www.kesci.com/home/project/5ec0c5edb7c5170037f3b74e 数据内容分析 影响是否购买产品的数据分为三个部分： 用户数据：age,job,
银行营销数据分析---Python(numpy、pandas、matplotlib)
c
11-08 8137
本项目采取的是kaggle银行营销的数据源，使用numpy、pandas、matplotlib数据分析三件套，基于源数据，深入分析影响银行三大业务—存款、贷款、营销产品的因素。
用户行为价值购买率预测——二分类问题（1）
qq_37673434的博客
06-16 1851
前言： 作者此次参加了全国大学生数据分析与统计比赛，选择的是此次B题目：用户消费行为价值分析以及预测用户购买率。在此想记录一下此次比赛所做项目的整个过程。 比赛任务： 任务 1：获取数据并进行预处理，提高数据质量； 任务 2：对用户的各城市分布情况、登录情况进行分析，并分别 将结果进行多种形式的可视化展现； 任务 3：构建模型判断用户最终是否会下单购买或下单购买的概 率，并将模型结果输出为 csv 文件（参照结果输出样例 sample_output.csv）。要求模型的效果达到 85%以上； 任务 4：通过
sklearn实现葡萄牙银行机构营销案例
07-10
要使用scikit-learn（sklearn）实现葡萄牙银行机构营销案例，可以按照以下步骤进行： 1. 导入必要的库和模块： ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import LabelEncoder from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score ``` 2. 加载数据集： ```python data = pd.read_csv('bank.csv', sep=';') ``` 3. 数据预处理和特征工程： ```python # 删除不需要的列 data = data.drop(['duration', 'contact', 'month', 'day_of_week', 'pdays', 'previous', 'poutcome'], axis=1) # 将分类变量进行编码 le = LabelEncoder() data['job'] = le.fit_transform(data['job']) data['marital'] = le.fit_transform(data['marital']) data['education'] = le.fit_transform(data['education']) data['default'] = le.fit_transform(data['default']) data['housing'] = le.fit_transform(data['housing']) data['loan'] = le.fit_transform(data['loan']) data['y'] = le.fit_transform(data['y']) ``` 4. 划分数据集为训练集和测试集： ```python X = data.drop('y', axis=1) y = data['y'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` 5. 构建模型并进行训练： ```python model = RandomForestClassifier(n_estimators=100) model.fit(X_train, y_train) ``` 6. 预测并评估模型： ```python y_pred = model.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print("准确率：", accuracy) ``` 以上是一个简单的使用scikit-learn实现葡萄牙银行机构营销案例的步骤，具体根据你的数据集和需求进行相应的调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值