程序源代码参见GitHub:https://github.com/leungBH/BankMarketing
-
数据集基本情况
目标:
根据相关的信息预测通过电话推销,用户是否会在银行进行存款。
特征:总共有50个特征。
年龄,工作类型,婚姻状况,受教育背景,信用情况,房贷,个人贷款,联系电话是手机还是固定电话,最后联系月份,最后联系日,通话持续时间,本次活动中联系的次数,最后一次接触距离上一次接触的时间,以前的活动中联系的次数,上一次活动成功与否,就业变化率,消费者物价指数,欧元银行同业拆借利率,就业人数。
通过对数据集进行初步的分析,发现其中有缺失值的特征有6个:
由于缺失值比较少,下面尝试三种常用的缺失值填补方法:
- 使用平均值填补;
- 使用kNN拟合缺失值;
- 使用随机森林拟合缺失值。
-
使用平均值取代缺失值
-
使用随机森林预测缺失值
- 把分类特征转化为数值特征。
- 统计有缺失值的特征,按照缺失值数量从少到多排列。
- 从缺失值少的特征开始,用随机森林对缺失值进行填补。
-
使用KNN拟合
参考文献:
S. Moro, P. Cortez and P. Rita. A Data-Driven Approach to Predict the Success of Bank Telemarketing. Decision Support Systems, Elsevier, 62:22-31, June 2014
S. Moro, R. Laureano and P. Cortez. Using Data Mining for Bank Direct Marketing: An Application of the CRISP-DM Methodology. In P. Novais et al. (Eds.), Proceedings of the European Simulation and Modelling Conference - ESM'2011, pp. 117-121, Guimaraes, Portugal, October, 2011. EUROSIS. [bank.zip]