Bank Marketing

Bank Marketing

Descripción

En un contexto de incertidumbre por la inflación, una institución bancaria está llevando a cabo una campaña de marketing telefónico para convencer a los clientes de abrir depósitos a plazo. Tras un largo programa de promoción, la empresa desea evaluar la eficacia de la campaña. El conjunto de datos contiene información sobre los clientes, características demográficas y detalles sobre las llamadas realizadas durante la campaña de marketing. El objetivo del problema es analizar estos datos y resolver varias subtareas relacionadas con el comportamiento de los clientes.

Datos de entrada

Los participantes reciben tres archivos:

• train.csv — El conjunto de datos de entrenamiento. Contiene todas las variables, incluida la variable objetivo deposit.
• test.csv — El conjunto de datos de prueba. Contiene las mismas variables que train.csv, pero sin la columna deposit.
• sample_output.csv — Un archivo cuya estructura se asemeja a la de la entrega que debe enviarse. Este otorga 0 puntos.

Descripción de las columnas

Requisitos

El problema se divide en cuatro subtareas.

Subtarea 1 (10 puntos)

Determine la ocupación (job) con la mayor tasa de depósitos.

La tasa de depósitos representa la proporción de clientes para los cuales deposit = 1 del total de clientes con esa profesión.

Output: la ocupación.

Subtarea 2 (15 puntos)

Determine el mes (month) en el que se contactó telefónicamente al mayor número de clientes en el conjunto de datos de entrenamiento.

Output: el nombre del mes.

Subtarea 3 (55 puntos)

Construya un modelo de clasificación binaria que prediga la variable deposit.

El modelo debe entrenarse utilizando train.csv y debe generar predicciones para test.csv.

Subtarea 4 (20 puntos)

Agrupe a los clientes de test.csv en dos clústeres basándose en las variables numéricas y devuelva para cada cliente la etiqueta del clúster al que pertenece.

Formato del archivo de salida

La solución debe generar un archivo submission.csv con la siguiente estructura:

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

Explicaciones:

• Para las Subtareas 1 y 2, la columna datapointID tendrá el valor 1.
• Para las Subtareas 3 y 4, la columna datapointID tendrá el valor id de test.csv.

Evaluación

Subtarea 1 — Verificación exacta de la respuesta.

Subtarea 2 — Verificación exacta de la respuesta.

Subtarea 3 — La clasificación se evalúa utilizando F1 macro:

Subtarea 4 — El clustering se evalúa utilizando el Adjusted Rand Index (ARI):