Bank Marketing

وصف المسألة

الوصف

في ظل عدم اليقين المرتبط بالتضخم، تقوم مؤسسة مصرفية بإجراء حملة تسويق عبر الهاتف لإقناع العملاء بفتح ودائع لأجل. بعد برنامج ترويجي طويل، ترغب الشركة في تقييم فعالية الحملة. تحتوي مجموعة البيانات على معلومات حول العملاء، والخصائص الديموغرافية، وتفاصيل حول المكالمات التي تمت خلال حملة التسويق. الغرض من المشكلة هو تحليل هذه البيانات وحل عدة مهام فرعية تتعلق بسلوك العملاء.

بيانات الإدخال

يتلقى المشاركون ثلاثة ملفات:

train.csv — مجموعة بيانات التدريب. تحتوي على جميع المتغيرات، بما في ذلك المتغير المستهدف deposit.
test.csv — مجموعة بيانات الاختبار. تحتوي على نفس المتغيرات الموجودة في train.csv، ولكن بدون عمود deposit.
sample_output.csv — ملف يشبه هيكله هيكل ملف التسليم المطلوب إرساله. هذا الملف يحصل على 0 نقطة.

وصف الأعمدة

العمود	الوصف
`id`	المعرف
`age`	عمر العميل
`job`	مهنة العميل
`marital`	الحالة الاجتماعية
`education`	المستوى التعليمي
`default`	ما إذا كان العميل قد تخلف عن السداد سابقاً
`balance`	رصيد الحساب
`housing`	ما إذا كان العميل لديه قرض عقاري
`loan`	ما إذا كان العميل لديه قرض شخصي
`contact`	نوع الاتصال
`day`	يوم المكالمة
`month`	شهر المكالمة
`duration`	مدة المكالمة
`campaign`	عدد المكالمات خلال الحملة
`pdays`	عدد الأيام منذ آخر حملة
`previous`	عدد الاتصالات السابقة
`poutcome`	نتيجة الحملة السابقة
`deposit`	المتغير المستهدف: ما إذا كان العميل قد فتح وديعة

المتطلبات

تنقسم المشكلة إلى أربع مهام فرعية.

المهمة الفرعية 1 (10 نقاط)

حدد المهنة (job) التي سجلت أعلى معدل إيداع.

يمثل معدل الإيداع نسبة العملاء الذين لديهم deposit = 1 من إجمالي العملاء في تلك المهنة.

المخرج: المهنة.

المهمة الفرعية 2 (15 نقطة)

حدد الشهر (month) الذي تم فيه الاتصال بأكبر عدد من العملاء في مجموعة بيانات التدريب.

المخرج: اسم الشهر.

المهمة الفرعية 3 (55 نقطة)

قم ببناء نموذج تصنيف ثنائي يتنبأ بالمتغير deposit.

يجب تدريب النموذج باستخدام train.csv ويجب أن يولد تنبؤات لملف test.csv.

المهمة الفرعية 4 (20 نقطة)

قم بتجميع العملاء في test.csv إلى مجموعتين (two clusters) بناءً على المتغيرات الرقمية، وأرجع لكل عميل تسمية المجموعة (cluster label) التي ينتمي إليها.

تنسيق ملف المخرجات

يجب أن يولد الحل ملفاً باسم submission.csv بالهيكل التالي:

Python
1subtaskID,datapointID,answer21,1,management32,1,jan43,5686,053,5206,16...74,5686,184,5206,09...

توضيحات:

للمهمتين الفرعيتين 1 و 2، ستكون قيمة العمود datapointID هي 1.
للمهمتين الفرعيتين 3 و 4، ستكون قيمة العمود datapointID هي id من ملف test.csv.

التقييم

المهمة الفرعية 1 — التحقق الدقيق من الإجابة.

المهمة الفرعية 2 — التحقق الدقيق من الإجابة.

المهمة الفرعية 3 — يتم تقييم التصنيف باستخدام F1 macro:

F1 macro	الدرجة
>= 0.85	الدرجة الكاملة (55ن)
< 0.65	0 نقطة
بين القيمتين	درجة تناسبية

المهمة الفرعية 4 — يتم تقييم التجميع (Clustering) باستخدام Adjusted Rand Index (ARI):

ARI	الدرجة
>= 0.9	الدرجة الكاملة (20ن)
< 0.5	0 نقطة
بين القيمتين	درجة تناسبية

الملفات

تحميل ملفات المسألة

تقديم الحل

ارفع ملف النتيجة يدويًا. يمكنك أيضًا إرفاق الكود المصدري.100 ميجابايت كحد أقصى إجمالاً

ملف التقديم

انقر للرفع أو اسحب وأفلت

CSV، ZIP، إلخ. (الحد الأقصى 100 ميجابايت)

ملف الكود المصدري (اختياري)

انقر للرفع أو اسحب وأفلت

أرشيف أو دفتر ملاحظات أو ملف كود

سجل الدخول لرفع تقديم.

أو

العمل والتقديم من Google Colab

افتح دفتر ملاحظات مُعدًّا لهذه المسألة. تربط الخلية الأولى المسألة وتنزّل البيانات المتاحة؛ وعندما تصبح جاهزًا، أرسل ملفاتك للتقييم من داخل الدفتر.

تستخدم التقديمات من Colab نظام التقييم نفسه والحدود نفسها. تابع النتيجة في «تقديماتي».

لا يمكن لـ MLCompete الوصول إلا إلى دفتر الملاحظات الذي ينشئه في Drive، وليس إلى ملفاتك الأخرى.

لا يفتح؟ استخدم رمزًا مؤقتًا

أنشئ الرمز هنا، وافتح دفتر الملاحظات العام، ثم أدخله عندما تطلبه الخلية الأولى.

سجّل الدخول إلى MLCompete أولاً لإنشاء رمز مساحة عمل.

فتح دفتر الملاحظات العام في Colab

ألصق رمز مساحة العمل فقط عندما يطلبه دفتر الملاحظات. لا تشاركه مع أي شخص.