Bank Marketing

Bank Marketing

Popis

V souvislosti s nejistotou ohledně inflace provádí bankovní instituce telemarketingovou kampaň, aby přesvědčila klienty k otevření termínovaných vkladů. Po dlouhém propagačním programu chce společnost vyhodnotit efektivitu kampaně. Datová sada obsahuje informace o klientech, demografické charakteristiky a podrobnosti o hovorech uskutečněných v rámci marketingové kampaně. Cílem problému je analýza těchto dat a vyřešení několika dílčích úloh souvisejících s chováním klientů.

Vstupní data

Účastníci obdrží tři soubory:

• train.csv — Trénovací datová sada. Obsahuje všechny proměnné, včetně cílové proměnné deposit.
• test.csv — Testovací datová sada. Obsahuje stejné proměnné jako train.csv, ale bez sloupce deposit.
• sample_output.csv — Soubor, jehož struktura odpovídá odevzdávanému řešení. Tento soubor získá 0 bodů.

Popis sloupců

Požadavky

Problém je rozdělen do čtyř podúloh.

Podúloha 1 (10 bodů)

Určete profesi (job) s nejvyšší mírou vkladů.

Míra vkladů představuje podíl klientů, pro které deposit = 1, z celkového počtu klientů s danou profesí.

Výstup: profese.

Podúloha 2 (15 bodů)

Určete měsíc (month), ve kterém byl telefonicky kontaktován největší počet klientů v trénovací datové sadě.

Výstup: název měsíce.

Podúloha 3 (55 bodů)

Sestavte model binární klasifikace, který předpovídá proměnnou deposit.

Model musí být natrénován pomocí train.csv a musí generovat předpovědi pro test.csv.

Podúloha 4 (20 bodů)

Seskupte klienty z test.csv do dvou clusterů na základě numerických proměnných a pro každého klienta vraťte štítek clusteru, do kterého patří.

Formát výstupního souboru

Řešení musí vygenerovat soubor submission.csv s následující strukturou:

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

Vysvětlivky:

• Pro podúlohy 1 a 2 bude mít sloupec datapointID hodnotu 1.
• Pro podúlohy 3 a 4 bude mít sloupec datapointID hodnotu id z test.csv.

Hodnocení

Podúloha 1 — Přesná kontrola odpovědi.

Podúloha 2 — Přesná kontrola odpovědi.

Podúloha 3 — Klasifikace je hodnocena pomocí F1 macro:

Podúloha 4 — Clustering je hodnocen pomocí Adjusted Rand Index (ARI):