银行营销分析

银行营销

描述

在通货膨胀带来的不确定性背景下，一家银行机构正在开展电话营销活动，以说服客户开设定期存款。在经过长期的推广计划后，公司希望评估营销活动的效率。该数据集包含有关客户的信息、人口统计特征以及营销活动期间进行的通话详情。本问题的目的是分析这些数据并解决与客户行为相关的多个子任务。

输入数据

参与者将收到三个文件：

• train.csv — 训练数据集。包含所有变量，包括目标变量 deposit。
• test.csv — 测试数据集。包含与 train.csv 相同的变量，但不含 deposit 列。
• sample_output.csv — 结构与提交文件类似的示例文件。该文件得分为 0。

列描述

要求

该问题分为四个子任务。

子任务 1 (10 分)

确定存款率 (deposit) 最高的工作岗位 (job)。

存款率是指该职业中 deposit = 1 的客户占该职业总客户数的比例。

输出： 职业名称。

子任务 2 (15 分)

确定训练数据集中电话联系客户数量最多的月份 (month)。

输出： 月份名称。

子任务 3 (55 分)

构建一个二分类模型来预测变量 deposit。

模型必须使用 train.csv 进行训练，并为 test.csv 生成预测结果。

子任务 4 (20 分)

根据数值变量将 test.csv 中的客户分为两个聚类（clusters），并返回每个客户所属的聚类标签。

输出文件格式

解决方案必须生成一个具有以下结构的 submission.csv 文件：

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

说明：

• 对于子任务 1 和 2，datapointID 列的值应为 1。
• 对于子任务 3 和 4，datapointID 列的值应为 test.csv 中的 id。

评估

子任务 1 — 答案精确匹配校验。

子任务 2 — 答案精确匹配校验。

子任务 3 — 分类评估使用 F1 macro 指标：

子任务 4 — 聚类评估使用 调整兰德指数 (ARI)：