参考网址：http://archive.ics.uci.edu/ml/datasets/Bank+Marketing
| 银行营销数据集 下载：数据文件夹，数据集描述摘要：该数据与葡萄牙银行机构的直接营销活动（电话）有关。分类目标是预测客户是否会订购定期存款（变量y）。 | |
|---|---|
| **数据集特征： ** | 多元 | 实例数： | 45211 | 区： | 商业 |
|---|---|---|---|---|---|
| 属性特征： | 真实 | 属性数量： | 17 | 捐赠日期 | 2012-02-14 |
| 相关任务： | 分类 | 缺少价值观？ | N / A | 网页点击次数： | 675101 |
资源：
[Moro et al。，2014] S. Moro，P。Cortez和P. Rita。一种预测银行电话营销成功的数据驱动方法。决策支持系统，Elsevier，62：22-31，2014年6月
数据集信息：
该数据与葡萄牙银行机构的直接营销活动有关。营销活动基于电话。通常，如果产品（银行定期存款）是（’是’）或不是（’否’）订阅，则需要多个联系到同一客户。 有四个数据集： 1）bank-additional-full.csv包含所有示例（41188）和20个输入，按日期排序（从2008年5月到2010年11月），非常接近于[Moro et al。，2014]中分析的数据] 2）bank-additional.csv，其中10％的示例（4119），从1）中随机选择，以及20个输入。 3）bank-full.csv包含所有示例和17个输入，按日期排序（此数据集的旧版本具有较少的输入）。 4）bank.csv具有10％的示例和17个输入，从3中随机选择（具有较少输入的该数据集的旧版本）。 提供最小的数据集以测试计算要求更高的机器学习算法（例如，SVM）。 分类目标是预测客户是否订阅（是/否）定期存款（变量y）。
属性信息：
输入变量： #bank客户数据： 1 - 年龄（数字） 2 - 工作：工作类型（分类：’管理员’，’蓝领’，’企业家’，’女佣’，’管理’，’退休’ ，’自雇人员’，’服务’，’学生’，’技师’，’失业’，’未知’） 3 - 婚姻：婚姻状况（分类：’离婚’，’已婚’，’单身’，’未知’;注意：’离婚’意味着离婚或丧偶） 4 - 教育（分类：’basic.4y’，’basic.6y’，’basic.9y’，’high.school’，’illiterate’，’professional.course ‘，’university.degree’，’未知’） 5 - 默认：默认信用？（分类：’不’，’ 是’，’未知’）
6 - 住房：有住房贷款吗？（分类：’不’，’是’，’未知’） 7 - 贷款：有个人贷款吗？（分类：’不’，’是’，’未知’） ＃与当前广告系列的最后一次联系相关： 8 - 联系人：联系人沟通类型（分类：’手机’，’电话’） 9个月：上一个联系月份（分类：’jan’，’feb’，’ mar’，…，’nov’，’dec’） 10 - day_of_week：一周的最后一个联系日（分类：’mon’，’tue’，’wed’，’thu’，’fri’） 11 -持续时间：上次联系持续时间，以秒为单位（数字）。重要提示：此属性会严重影响输出目标（例如，如果持续时间= 0，则y =’否’）。然而，在执行呼叫之前不知道持续时间。此外，在通话结束后，显然已知y。从而，此输入仅应包含在基准目的中，如果打算采用现实的预测模型，则应将其丢弃。 ＃其他属性： 12 - 广告系列：此广告系列期间和此客户端执行的联系人数量（数字，包括最后一次联系） 13 - pdays：上一次广告系列上次联系客户端后经过的天数（数字; 999表示客户端不是先前已联系过） 14 - 上一篇：此活动之前和此客户之间执行的联系人数量（数字）
15 - poutcome：上一次营销活动的结果（分类：’失败’，’不存在’，’成功’）#social
and economic上下文属性 16 - emp.var.rate：就业变化率 - 季度指标（数字） 17 - cons.price.idx：消费者价格指数 - 月度指标（数字） 18 - cons.conf.idx：消费者信心指数 - 月度指标（数字） 19 - euribor3m：euribor 3个月费率 - 每日指标（数字） 20 - nr.employed：员工人数 - 季度指标（数字） 输出变量（需要）目标）： 21 - y - 客户是否订购了定期存款？（二进制：’是’，’不’）
相关论文：
S. Moro，P。Cortez和P. Rita。一种预测银行电话营销成功的数据驱动方法。决策支持系统，Elsevier，62：22-31，2014年6月 S. Moro，R。Laureano和P. Cortez。使用数据挖掘进行银行直复营销：CRISP-DM方法论的应用。在P. Novais等人。（编辑），欧洲模拟与建模会议论文集 - ESM’2011，第117-121页，吉马良斯，葡萄牙，2011年10月.EUROSIS。[bank.zip]
引文要求：
该数据集可供公众研究。细节在[Moro等，2014]中描述。 如果您打算使用此数据库，请包括此引文： [Moro et al。，2014] S. Moro，P。Cortez和P. Rita。一种预测银行电话营销成功的数据驱动方法。决策支持系统，Elsevier，62：22-31，2014年6月
具体实践：
1 .查看数据：
import pandas as pd
input_path = "E:\分类问题\数据集\\bank-additional\\bank-additional\\bank-additional-full.csv"
data = pd.read_csv(input_path, sep=';')
data.info()
data.describe()
数据查看结果：
D:\1b\Anoconda\setup\set\envs\tensorflow\python.exe E:/python_workspace/ML/TextClassification/bankClassification.py
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 41188 entries, 0 to 41187
Data columns (total 21 columns):
age 41188 non-null int64
job 41188 non-null object
marital 41188 non-null object
education 41188 non-null object
default 41188 non-null object
housing 41188 non-null object
loan 41188 non-null object
contact 41188 non-null object
month 41188 non-null object
day_of_week 41188 non-null object
duration 41188 non-null int64
campaign 41188 non-null int64
pdays 41188 non-null int64
previous 41188 non-null int64
poutcome 41188 non-null object
emp.var.rate 41188 non-null float64
cons.price.idx 41188 non-null float64
cons.conf.idx 41188 non-null float64
euribor3m 41188 non-null float64
nr.employed 41188 non-null float64
y 41188 non-null object
dtypes: float64(5), int64(5), object(11)
memory usage: 6.6+ MB
age duration campaign pdays previous \
count 41188.00000 41188.000000 41188.000000 41188.000000 41188.000000
mean 40.02406 258.285010 2.567593 962.475454 0.172963
std 10.42125 259.279249 2.770014 186.910907 0.494901
min 17.00000 0.000000 1.000000 0.000000 0.000000
25% 32.00000 102.000000 1.000000 999.000000 0.000000
50% 38.00000 180.000000 2.000000 999.000000 0.000000
75% 47.00000 319.000000 3.000000 999.000000 0.000000
max 98.00000 4918.000000 56.000000 999.000000 7.000000
emp.var.rate cons.price.idx cons.conf.idx euribor3m nr.employed
count 41188.000000 41188.000000 41188.000000 41188.000000 41188.000000
mean 0.081886 93.575664 -40.502600 3.621291 5167.035911
std 1.570960 0.578840 4.628198 1.734447 72.251528
min -3.400000 92.201000 -50.800000 0.634000 4963.600000
25% -1.800000 93.075000 -42.700000 1.344000 5099.100000
50% 1.100000 93.749000 -41.800000 4.857000 5191.000000
75% 1.400000 93.994000 -36.400000 4.961000 5228.100000
max 1.400000 94.767000 -26.900000 5.045000 5228.100000
Process finished with exit code 0
2. 缺失值处理： «««< HEAD =======
查看unknown值的变量
for i in data.columns:
if type(data[i][0]) is str:
print("unknown value count in "+i+":\t" + str(data[data[i]=="unknown"]['y'].count()))
print(data.columns)第一行的数据
"""
Index(['age', 'job', 'marital', 'education', 'default', 'housing', 'loan',
'contact', 'month', 'day_of_week', 'duration', 'campaign', 'pdays',
'previous', 'poutcome', 'emp.var.rate', 'cons.price.idx',
'cons.conf.idx', 'euribor3m', 'nr.employed', 'y'],
dtype='object')
"""
结果
unknown value count in job: 330
unknown value count in marital: 80
unknown value count in education: 1731
unknown value count in default: 8597
unknown value count in housing: 990
unknown value count in loan: 990
unknown value count in contact: 0
unknown value count in month: 0
unknown value count in day_of_week: 0
unknown value count in poutcome: 0
unknown value count in y: 0
f63106675d03661cc06186a61af504096d689591
