二分类算法

数据来源：

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

算法完成目标：

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）。我们的目的是预测研究客户定期存款业务的概率，可能性。

代码输出的示例：

ID表示客户唯一标识，pred表示预测客户订购定期存款业务的概率。

代码中的主要思路：

首先对数据进行预处理，将数据进行分割，进行归一化处理，将数据划分为训练集和测试集，在数据中将“'job','marital','education','default','housing','loan','contact','poutcome','month'”的字符型数据进行编码，然后运用K近邻的方法建立模型，然后完成对数据的预测分析。

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "C:\\ProgramData\\Anaconda3\\lib\\site-packages\\sklearn\\base.py:311: UserWarning: Trying to unpickle estimator LabelEncoder from version 0.18.1 when using version 0.19.2. This might lead to breaking code or invalid results. Use at your own risk.\n",
      "  UserWarning)\n",
      "C:\\ProgramData\\Anaconda3\\lib\\site-packages\\sklearn\\base.py:311: UserWarning: Trying to unpickle estimator StandardScaler from version 0.18.1 when using version 0.19.2. This might lead to breaking code or invalid results. Use at your own risk.\n",
      "  UserWarning)\n",
      "C:\\ProgramData\\Anaconda3\\lib\\site-packages\\sklearn\\base.py:311: UserWarning: Trying to unpickle estimator SVC from version 0.18.1 when using version 0.19.2. This might lead to breaking code or invalid results. Use at your own risk.\n",
      "  UserWarning)\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "         ID         0\n",
      "0     25318  0.061109\n",
      "1     25319  0.019177\n",
      "2     25320  0.023453\n",
      "3