📊 Bank Marketing Analysis (Project 4 - ML)

Этот проект представляет собой анализ и подготовку данных по клиентам банка для задачи классификации — откроет ли клиент депозит.

📁 Описание проекта

В проекте используется датасет bank_fin.csv, содержащий информацию о клиентах банка и результатах маркетинговой кампании.

Цель: предсказать, откроет ли клиент срочный депозит (deposit: yes/no).

Проект включает:

• Загрузку и предварительный анализ данных
• Обнаружение и удаление выбросов
• Кодирование категориальных переменных
• Создание dummy-переменных
• Отбор признаков (с помощью SelectKBest)
• Подготовку данных для обучения моделей машинного обучения

---

📌 Структура данных

Файл bank_fin.csv содержит следующие столбцы:

• age — возраст
• job, marital, education — категориальные признаки
• default, housing, loan — наличие кредита
• contact, month, day — данные звонков
• duration, campaign, pdays, previous — характеристики кампании
• poutcome — результат предыдущей кампании
• deposit — целевая переменная (открыл ли клиент депозит)

---

🧪 Используемые библиотеки

• pandas
• numpy
• matplotlib / seaborn
• scikit-learn

---

🔍 Ключевые шаги

1. 📥 Загрузка данных:

   df = pd.read_csv("bank_fin.csv", sep=";")

2. 🧹 Очистка и обработка:

   • Удаление выбросов по признаку balance
   • Перевод deposit в числовой формат

3. 🧠 Кодирование:

   • Label Encoding для education и age_group
   • One-hot Encoding (pd.get_dummies) для:
     • job
     • marital
     • contact
     • month
     • poutcome

4. ✅ Отбор признаков:

   • С помощью SelectKBest(score_func=f_classif, k=15)
   • Только на числовых признаках

---

📈 Результаты

• После создания dummy-признаков и добавления закодированных переменных общее количество признаков: 52
• Наилучшие 15 признаков отобраны с помощью SelectKBest

---

🚀 Запуск

1. Установите зависимости:

   pip install -r requirements.txt

2. Запустите ноутбук:

   jupyter notebook Project_4_ML.ipynb

---

📂 Файлы

• Project_4_ML.ipynb — основной ноутбук с анализом
• bank_fin.csv — датасет
• README.md — описание проекта

---

🧠 Автор

Учебный проект по машинному обучению.
DS/ML Track · SkillFactory · 2025