# コンテキスト これは、論文「銀行の電話営業の成功を予測するデータ駆動型アプローチ」で使用されたデータセットです。 私見では、これは分類器を構築することで機械学習を自習するのに良いデータセットです。その後、あなたの結果を論文の結果と比較することができます。 # 内容 入力変数： **銀行顧客データ：** 1. 年齢（数値） 職種：職業の種類（カテゴリ：'行政職','生産労働者','起業家','家政婦','管理職','退職者','自営業者','サービス業','学生','技術者','失業者','不明'） 2. 婚姻状況：婚姻状態（カテゴリ：'離婚','既婚','未婚','不明'；注：'離婚'は離婚または寡婦/鰥夫を意味します） 3. 学歴（カテゴリ：'4年基礎教育','6年基礎教育','9年基礎教育','高等学校卒','無学','専門コース','大学学位','不明'） 4. 債務不履行：債務不履行の信用があるか？（カテゴリ：'いいえ','はい','不明'） 5. 住宅：住宅ローンがあるか？（カテゴリ：'いいえ','はい','不明'） ローン： 6. 個人ローンがあるか？（カテゴリ：'いいえ','はい','不明'） **現在のキャンペーンの最後の接触に関連するもの：** 7. 接触手段：接触通信の種類（カテゴリ：'携帯電話','固定電話'） 8. 月：年の最後の接触月（カテゴリ：'1月', '2月', '3月', ..., '11月', '12月'） 9. 曜日：週の最後の接触日（カテゴリ：'月曜日','火曜日','水曜日','木曜日','金曜日'） 10. 通話時間：最後の接触時間（秒）（数値）。重要な注意：この属性は出力ターゲットに大きく影響します（例えば、通話時間=0の場合、y='いいえ'）。ただし、通話が行われる前に通話時間はわかりません。また、通話が終了した後はyが明らかにわかります。したがって、この入力はベンチマーク目的でのみ含めるべきであり、現実的な予測モデルを構築する意図がある場合は除外すべきです。 **その他の属性：** 11. キャンペーン：このキャンペーン中にこの顧客に対して行われた接触回数（数値、最後の接触を含む） 12. 経過日数：前のキャンペーンで顧客が最後に接触されてから経過した日数（数値；999は顧客が以前に接触されていないことを意味します） 13. 過去の接触回数：このキャンペーンの前にこの顧客に対して行われた接触回数（数値） 14. 過去のキャンペーン結果：前のマーケティングキャンペーンの結果（カテゴリ：'失敗','無効','成功'） **社会経済的コンテキスト属性** 15. 雇用変動率：雇用変動率 - 四半期ごとの指標（数値） 16. 消費者物価指数：消費者物価指数 - 月次指標（数値） 17. 消費者信頼感指数：消費者信頼感指数 - 月次指標（数値） 18. ユーリボール3ヶ月金利：ユーリボール3ヶ月金利 - 日次指標（数値） 19. 従業員数：従業員数 - 四半期ごとの指標（数値） **出力変数（目的ターゲット）：** 20. y - 顧客は定期預金に加入しましたか？（2値：'はい','いいえ'） # 引用依頼（謝辞） このデータセットは研究用に公開されています。詳細は[Moro et al., 2014]に記載されています。 このデータベースを使用する予定がある場合は、この引用を含めてください： [Moro et al., 2014] 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