Учитавање...
Тежина
Твој најбољи резултат
Н/Д
U uslovima neizvesnosti izazvane inflacijom, bankarska institucija sprovodi telefonsku marketinšku kampanju kako bi ubedila klijente da otvore oročene depozite. Nakon dugog programa promocije, kompanija želi da proceni efikasnost kampanje. Skup podataka sadrži informacije o klijentima, demografske karakteristike i detalje o pozivima obavljenim tokom marketinške kampanje. Cilj problema je analiza ovih podataka i rešavanje nekoliko podzadataka vezanih za ponašanje klijenata.
Učesnici dobijaju tri datoteke:
deposit.deposit.| Kolona | Opis |
|---|---|
id | id |
age | starost klijenta |
job | zanimanje klijenta |
marital | bračno stanje |
education | nivo obrazovanja |
default | da li je klijent ikada bio u docnji |
balance | stanje na računu |
housing | da li klijent ima stambeni kredit |
loan | da li klijent ima lični kredit |
contact | tip kontakta |
day | dan poziva |
month | mesec poziva |
duration | trajanje poziva |
campaign | broj poziva tokom kampanje |
pdays | broj dana od poslednje kampanje |
previous | broj prethodnih kontakata |
poutcome | ishod prethodne kampanje |
deposit | ciljna varijabla: da li je klijent otvorio depozit |
Problem je podeljen na četiri podzadatka.
Odredite zanimanje (job) sa najvećom stopom depozita.
Stopa depozita predstavlja udeo klijenata za koje je deposit = 1 u ukupnom broju klijenata sa tim zanimanjem.
Output: zanimanje.
Odredite mesec (month) u kojem je kontaktiran najveći broj klijenata putem telefona u skupu podataka za obuku.
Output: naziv meseca.
Izgradite model binarne klasifikacije koji predviđa varijablu deposit.
Model mora biti obučen koristeći train.csv i mora generisati predviđanja za test.csv.
Grupišite klijente iz test.csv u dva klastera na osnovu numeričkih varijabli i vratite oznaku klastera kojem svaki klijent pripada.
Rešenje mora generisati datoteku submission.csv sa sledećom strukturom:
subtaskID,datapointID,answer1,1,management2,1,jan3,5686,03,5206,1...4,5686,14,5206,0...Objašnjenja:
datapointID će imati vrednost 1.datapointID će imati vrednost id iz test.csv.Podzadatak 1 — Tačna provera odgovora.
Podzadatak 2 — Tačna provera odgovora.
Podzadatak 3 — Klasifikacija se ocenjuje koristeći F1 macro:
| F1 macro | Poeni |
|---|---|
| >= 0.85 | maksimalan broj poena (55p) |
| < 0.65 | 0 poena |
| između vrednosti | proporcionalan broj poena |
Podzadatak 4 — Klasterovanje se ocenjuje koristeći Adjusted Rand Index (ARI):
| ARI | Poeni |
|---|---|
| >= 0.9 | maksimalan broj poena (20p) |
| < 0.5 | 0 poena |
| između vrednosti | proporcionalan broj poena |