银行电话营销客户数据分析集-2014年-gobert
数据来源：互联网公开数据
标签：银行电话营销,客户数据,机器学习,预测模型,营销成功,数据集
数据概述：
本数据集用于研究论文“A Data-Driven Approach to Predict the Success of Bank Telemarketing”。该数据集包含银行电话营销活动中的客户信息，适用于机器学习分类器的训练和评估。通过分析这些数据，可以预测客户是否订阅定期存款。
数据集包含输入变量和输出变量。输入变量分为以下几类：客户基本信息、最后一次联系信息、其他属性和社会经济背景属性。
客户基本信息包括年龄、职业、婚姻状况、教育程度、信贷违约情况、住房贷款情况和个人贷款情况等。
最后一次联系信息包括联系方式类型、最后一次联系的月份、星期和持续时间等。
其他属性包括该次营销活动中的联系次数、上次营销活动后的天数、之前的联系次数和上次营销活动的结果等。
社会经济背景属性包括就业变化率、消费者物价指数、消费者信心指数、欧元区三个月期利率和就业人数等。
输出变量为y，表示客户是否订阅定期存款，分为“yes”和“no”两个类别。
数据用途概述：
该数据集适用于银行电话营销策略的研究、客户行为预测、机器学习模型训练和评估等多种场景。研究人员可以使用该数据集训练分类器，预测潜在客户的订阅行为；银行可以借此优化电话营销策略，提高营销成功率；学者可以利用此数据进行教育和研究，促进数据驱动的决策支持系统发展。此外，该数据集还适用于机器学习课程的教学和练习，帮助学生理解和应用机器学习技术。
