地球资源数据云——数据资源详情
预测定期存款
该数据集《Predict Term Deposit》主要用于二分类任务，数据形态以图像为主，应用场景偏向金融风控。 题目说明：Predict if a client will subscribe (yes/no) to a term deposit. 任务类型：图像二分类。 建议流程：先检查类别分布与脏样本，再用迁移学习（如 ResNet/EfficientNet）建立基线。 注意事项：疑似存在类别不均衡，建议使用分层抽样、类别权重与 F1/Recall 指标。 可用文件：Assignment - 2_Data.csv。 预测定期存款简介银行有多种向客户出售的银行产品，例如储蓄账户、信用卡、投资等。它想知道哪些客户将购买其信用卡。同样，它具有有关客户的人口统计详细信息、他们的银行行为等的各种信息。一旦它可以预测客户购买产品的机会，它就希望使用相同的信息向作者进行预付款。在这一部分中，我将演示如何构建一个模型，以预测哪些客户将订阅定期存款，以及机器学习的开始。在第一部分中，我们将处理分析数据的描述和可视化，在第二部分中，我们将讨论数据分类模型。策略 - 期望目标 - 数据理解 - 预处理数据 - 机器学习模型 - 预测 - 比较结果 期望目标 预测客户是否会订阅（是/否）定期存款 - 这被定义为分类问题。数据 此作业中使用的数据集 (Assignment - 2_data.csv) 包含银行客户的数据。文件名：Assignment - 2_Data 文件格式：. csv 行数：45212 属性数：17 个非空条件属性和 1 个决策属性。 <img alt="图片" src="https://user - images.githubusercontent.com/91852182/143783430 - eafd25b0 - 6d40 - 40b8 - ac5b - 1c4f67ca9e02.png"> <img alt="图片" src="https://user - images.githubusercontent.com/91852182/143783451 - 3e49b817 - 29a6 - 4108 - b597 - ce35897dda4a.png"> 探索性数据分析 (EDA) 数据预处理是机器学习的一个主要步骤，因为从数据集中导出的有用信息直接影响模型质量，因此在在将数据输入模型之前，对数据进行最少必要的预处理。在本次作业中，我们将利用 python 开发预测机器学习模型。首先，我们将导入一些重要且必需的
摘要概览
该数据集《Predict Term Deposit》主要用于二分类任务，数据形态以图像为主，应用场景偏向金融风控。 题目说明：Predict if a client will subscribe (yes/no) to a term deposit.
任务类型：图像二分类。
建议流程：先检查类别分布与脏样本，再用迁移学习（如 ResNet/EfficientNet）建立基线。
注意事项：疑似存在类别不均衡，建议使用分层抽样、类别权重与 F1/Recall 指标。
可用文件：Assignment - 2_Data.csv。
预测定期存款简介银行有多种向客户出售的银行产品，例如储蓄账户、信用卡、投资等。它想知道哪些客户将购买其信用卡。同样，它具有有关客户的人口统计详细信息、他们的银行行为等的各种信息。一旦它可以预测客户购买产品的机会，它就希望使用相同的信息向作者进行预付款。在这一部分中，我将演示如何构建一个模型，以预测哪些客户将订阅定期存款，以及机器学习的开始。在第一部分中，我们将处理分析数据的描述和可视化，在第二部分中，我们将讨论数据分类模型。策略 - 期望目标 - 数据理解 - 预处理数据 - 机器学习模型 - 预测 - 比较结果 期望目标 预测客户是否会订阅（是/否）定期存款 - 这被定义为分类问题。数据 此作业中使用的数据集 (Assignment - 2_data.csv) 包含银行客户的数据。文件名：Assignment - 2_Data 文件格式：. csv 行数：45212 属性数：17 个非空条件属性和 1 个决策属性。 <img alt="图片" src="https://user - images.githubusercontent.com/91852182/143783430 - eafd25b0 - 6d40 - 40b8 - ac5b - 1c4f67ca9e02.png"> <img alt="图片" src="https://user - images.githubusercontent.com/91852182/143783451 - 3e49b817 - 29a6 - 4108 - b597 - ce35897dda4a.png"> 探索性数据分析 (EDA) 数据预处理是机器学习的一个主要步骤，因为从数据集中导出的有用信息直接影响模型质量，因此在在将数据输入模型之前，对数据进行最少必要的预处理。在本次作业中，我们将利用 python 开发预测机器学习模型。首先，我们将导入一些重要且必需的