银行营销数据分析

银行营销

引文请求：此数据集可供研究使用。详情见[Moroetal.，2011]。如果计划使用此数据库，请包含此引用：[Moro等，2011]S.Moro，R.Laureano和P.Corez。数据挖掘技术在银行直接营销中的应用在P.Novais等(eds.)中，欧洲模拟和模拟会议-ESM"2011年，第117-121页，Guimarees，葡萄牙，2011年10月。欧洲SIS。网址：[PDF]http://hdl.handle.net/1822/14838[BIB]http://www3.dsi.uminho.pt/pcortez/bib/2011-esm-，需要数据源可取此网站下载。

详情如下：

1.txt1、标题：银行营销

2.来源创建人：PauloCorez(UNV.Minho）和S.RgioMoro（ISCTE-IUL）2012年@2012年

3.过去使用情况：对完整数据集进行了描述和分析：S.Moro、R.Laureano和P.Corez。数据挖掘技术在银行直接营销中的应用在P.Novaisetal.(eds.)中，欧洲模拟和模拟会议-ESM"2011，第117-121页，GuimareesES，葡萄牙，2011年10月。欧洲SIS。

4.相关信息：数据与葡萄牙银行机构的直接营销活动有关。营销活动基于电话呼叫。通常需要对同一客户端的多于一个的联系人,以便于(或未)订购产品(银行定期存款)。有两个数据集：1)具有所有示例的bank-full.csv，按日期排序（2008年5月至2010年11月）。2)bank.csv10%的示例（4521），从bank-full.csv.中随机选择提供最小数据集，以测试更高计算要求的机器学习算法(例如SVM)。分类目标是预测客户是否将预订定期存款(变量Y)。

5.实例数：bank-full.csv45211（bank.csv4521）

6.属性数：16个输出属性。

7.属性信息：有关更多信息，请阅读[Moro等，2011]。输入变量:#银行客户数据：

1-年龄(age)（数字）
2-工作(job)：工作类型（类别：“管理员。”、“unknwn”、“失业”、“管理”、“女佣”、“企业家”、“学生”，“蓝领”、“自雇的”、“已退休的”、“技术员”、“服务”）

3-婚姻(marital)：婚姻状况（类别：“已婚”、“离异”、“单一的”；注："离异"意味着离婚或丧偶）
4-教育(education)（类别：“unknwn”、“次级的”、“主要的”、“第3次”）
5-默认(default)：默认情况下是否有信用？（二进制࿱