Bank Marketing

Bank Marketing

תיאור

על רקע אי-הוודאות הקשורה לאינפלציה, מוסד בנקאי עורך קמפיין שיווק טלפוני כדי לשכנע לקוחות לפתוח פיקדונות לזמן קצוב. לאחר תוכנית קידום מכירות ארוכה, החברה מעוניינת להעריך את יעילות הקמפיין. סט הנתונים מכיל מידע על לקוחות, מאפיינים דמוגרפיים ופרטים על השיחות שבוצעו במסגרת קמפיין השיווק. מטרת הבעיה היא לנתח נתונים אלו ולפתור מספר תתי-משימות הקשורות להתנהגות הלקוחות.

נתוני קלט

המשתתפים מקבלים שלושה קבצים:

• train.csv — סט הנתונים לאימון. מכיל את כל המשתנים, כולל משתנה המטרה deposit.
• test.csv — סט הנתונים לבדיקה. מכיל את אותם המשתנים כמו train.csv, אך ללא עמודת ה-deposit.
• sample_output.csv — קובץ שמבנהו דומה למבנה ההגשה הנדרש. קובץ זה מזכה ב-0 נקודות.

תיאור העמודות

דרישות

הבעיה מחולקת לארבע תתי-משימות.

תת-משימה 1 (10 נקודות)

קבעו את המקצוע (job) עם שיעור ההפקדות הגבוה ביותר.

שיעור ההפקדות מייצג את שיעור הלקוחות עבורם deposit = 1 מתוך סך הלקוחות באותו מקצוע.

Output: המקצוע.

תת-משימה 2 (15 נקודות)

קבעו את החודש (month) שבו נוצר קשר טלפוני עם מספר הלקוחות הגבוה ביותר בסט הנתונים לאימון.

Output: שם החודש.

תת-משימה 3 (55 נקודות)

בנו מודל סיווג בינארי החוזה את המשתנה deposit.

יש לאמן את המודל באמצעות train.csv ועליו לייצר תחזיות עבור test.csv.

תת-משימה 4 (20 נקודות)

קבצו את הלקוחות ב-test.csv לשני אשכולות (clusters) על בסיס המשתנים המספריים והחזירו עבור כל לקוח את תווית האשכול אליו הוא שייך.

פורמט קובץ הפלט

הפתרון חייב לייצר קובץ submission.csv במבנה הבא:

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

הסברים:

• עבור תתי-משימות 1 ו-2, עמודת datapointID תכיל את הערך 1.
• עבור תתי-משימות 3 ו-4, עמודת datapointID תכיל את הערך של ה-id מתוך test.csv.

הערכה

תת-משימה 1 — בדיקה מדויקת של התשובה.

תת-משימה 2 — בדיקה מדויקת של התשובה.

תת-משימה 3 — הסיווג מוערך באמצעות F1 macro:

תת-משימה 4 — האשכול (Clustering) מוערך באמצעות Adjusted Rand Index (ARI):