Bank Marketing

Bank Marketing

Beschrijving

Tegen de achtergrond van onzekerheden over inflatie voert een bankinstelling een telefonische marketingcampagne uit om klanten te overtuigen termijndeposito's te openen. Na een langdurig promotieprogramma wil het bedrijf de effectiviteit van de campagne evalueren. De dataset bevat informatie over klanten, demografische kenmerken en details over de oproepen die tijdens de marketingcampagne zijn gedaan. Het doel van dit probleem is om deze gegevens te analyseren en verschillende subtaken op te lossen die verband houden met klantgedrag.

Invoergegevens

Deelnemers ontvangen drie bestanden:

• train.csv — De dataset voor training. Bevat alle variabelen, inclusief de doelvariabele deposit.
• test.csv — De dataset voor testen. Bevat dezelfde variabelen als train.csv, maar zonder de kolom deposit.
• sample_output.csv — Een bestand waarvan de structuur lijkt op die van de in te dienen oplossing. Dit bestand levert 0 punten op.

Kolombeschrijving

Vereisten

Het probleem is verdeeld in vier subtaken.

Subtaak 1 (10 punten)

Bepaal het beroep (job) met de hoogste deposit-ratio.

De deposit-ratio is het aandeel klanten waarvoor deposit = 1 ten opzichte van het totaal aantal klanten met dat beroep.

Output: het beroep.

Subtaak 2 (15 punten)

Bepaal de maand (month) waarin het grootste aantal klanten uit de trainingsdataset telefonisch is gecontacteerd.

Output: de naam van de maand.

Subtaak 3 (55 punten)

Bouw een binair classificatiemodel dat de variabele deposit voorspelt.

Het model moet worden getraind met train.csv en moet voorspellingen genereren voor test.csv.

Subtaak 4 (20 punten)

Groepeer de klanten uit test.csv in twee clusters op basis van de numerieke variabelen en geef voor elke klant het label van het cluster waartoe deze behoort.

Formaat van het outputbestand

De oplossing moet een bestand submission.csv genereren met de volgende structuur:

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

Uitleg:

• Voor Subtaken 1 en 2 heeft de kolom datapointID de waarde 1.
• Voor Subtaken 3 en 4 heeft de kolom datapointID de waarde van het id uit test.csv.

Evaluatie

Subtaak 1 — Exacte controle van het antwoord.

Subtaak 2 — Exacte controle van het antwoord.

Subtaak 3 — De classificatie wordt geëvalueerd met de F1 macro score:

Subtaak 4 — De clustering wordt geëvalueerd met de Adjusted Rand Index (ARI):