最近在做答辩，每天做一点，记录在博客里，权当是知识的回顾。
题目要求：
包含两份数据集
1.bank-additional-full.csv，包含所有数据集，并按日期进行排序，从2008年5月到2010年11月。
2.bank-additional.csv,包含10%的样本，这些样本是随机从bank-additional-full.csv中抽取的。
这份小数据集是用来测试对计算精度要求更高的机器学习算法。
二分类目标是预测客户是否将订阅银行期限存款（变量y）。
数据集包括20个变量（x）和一个目标变量（y）
变量信息：
数值型变量
age：年龄；
campaign:此次营销活动联系某一特定客户的次数；（包括上一次联系）
previous:此次营销活动之前联系某一客户的次数；
pdays：距离上次联系某一客户经过的天数（999表示之前未联系客户）;
emp.var.rate：就业变化率-季度指标（数字）
cons.price.idx：消费者价格指数-月度指标（数字）
cons.conf.idx：消费者信息指数-月度指标（数字）
euribor3m：euribor3月费率-每日指标（数字）
nr.employed：员工人数-季度指标（数字）
分类型变量
job：工作（'行政'，'蓝领'，'企业家'，'女佣'，'管理'，'退休'，'个体经营'，'服务'，'，“技术员”，“失业”，“未知”）；
matital：婚姻状况（分类：'离婚'，'已婚'，'单身'，'未知';注：“离婚”是指离婚或丧偶）
education:教育（'basic.4y','basic.6y','basic.9y',‘中学’，‘不识字’，‘专科’，‘学士学位’。‘未知’）
default：是否存在信用违约（‘是’，‘否’，‘未知’）
housing：是否存在住房贷款（‘是’，‘否’，‘未知’）
loan：是否有个人的贷款（‘是’，‘否’，‘未知’）
month：上次联系是哪个月（一月到十二月）
dayofweek:上次联系是星期几
poutcome:上次营销活动的结果（‘成功’，‘失败’，‘未知’）
数据描述分析
（一）年龄
年龄为数值型变量，其基本统计特征如下表：
年龄分布的直方图为：
可以看出，银行的客户中年龄在20岁以下或60岁以上的只占一小部分，年龄分布集中于30岁至50岁的中青年阶段，平均年龄为40.2岁。这一年龄段的人们基本上事业有成，收入稳定，对产品合同的签订可能会产生一定影响。
（三）此次营销活动联系某一特定客户的次数
（四）此次营销活动之前联系某一客户的次数
（五）距离上次联系某一客户经过的天数
三、四、五三个变量反映联系某一客户的频率，其对影响结果未知，可能有些客户因为联系次数太多感觉被打扰从而拒绝签订合同，而另一些客户可能被说服。
（六）工作
在银行的客户中。行政人员、蓝领、技师分别位于前三位；不考虑工作未知的情况，学生、女佣和失业的人数别较少。
造成差异的原因可以从不同工作类别的人群的特别推断。退休人员的消费倾向不足，主要为了老年的生活而采用储蓄的方式管理现有的财产。对学生而言，这一群体几乎没有其他的可投资项目，因此也更多的选择了储蓄存款管理资金。蓝领工人的收入较低，为了维持基本的生活需要，可能没有更多的财产需要银行保管。
（七）婚姻状况
已婚和离异的客户合同的签订率低于单身的客户，可能是由于后者更多的为今后的生活考虑，增加存款，尽可能的节约消费。已婚的人q群在赡养老人、照顾孩子方面的开销会比较大，可能暂时没有闲置资金。
（八）受教育情况
不考虑教育情况未知以及不识字这一人数较少的情形，随着受教育程度的增加，合同的签订率是逐渐增加的，说明随着教育水平的深入，人们储蓄的意识逐渐增强。
（九）是否存在信用卡违约
（十）是否有个人贷款
（十一）联系的方式
（十二）上次联系是在星期几
在周二签订的合同的成功率高于其他的工作日，周一合同签订的成功率最低。
（十三）上次联系的是哪个月
一年中的三月、九月、十月、十二月合同签订的成功率都达到了40%以上，月份对最终结果可能存在较为显著的影响。与某一具体日期相比，月份更多的反映季节变化、消费习惯变化等信息，对结果的影响也更为明显。
（十四）此前营销活动的结果
可以看出，之前的营销结果对此次营销活动的影响较大，之前成功营销的客户本次成功率达到了64%，远高于之前未成功或其他结果的客户。
（十五）是否有住房贷款
数据预处理（以marital变量为例）
我们可以看到unkonwn的这一变量的index（该分类下响应率的值与总体响应率的比值*100）值与divorced变量最接近，故用divorced来替换unknown的值。
对于数值型变量pdays，我们看到有将近90%的缺失值，故对缺失值生成哑变量。
建立模型
（一）为了测试模型的效果，将样本数据分为测试集test和训练集train,训练数据集占70%，测试数据集占30%，以训练集的数据建立广义线性模型，已测试集的数据检验预测结果。
筛选变量
开始建模
模型分析
ROC曲线：
Lift曲线
预测效果
（一）婚姻状况
“divorced”为对照变量，当married与single同时为0时，表示离异状态；当married为1，single为0时，表示已婚状态；当marrried为0，single为1时，表示单身状态。
（二）受教育情况
接受高等教育的客户对营销成功有促进作用。这类客户的储蓄意识可能较其他客户稍强。
（三）住房贷款、个人贷款
拥有住房贷款和个人贷款的客户对存款合同推销成功有不利影响，参数估计值均为负。可能的原因是是这些客户更多的是将资金用于还贷而非储蓄存款。（四）联系方式
（五）月份
在影响显著的月份中，一月、五月、十一月对成功营销存在负面影响，三月、九月、十月对成功营销有促进作用。
（七）之前营销活动的结果
之前营销活动结果变量（poutcome）为success的参数估计值为0.8262，对营销成功有促进作用。结合之前数据描述表可以看出，之前营销成功此次再次成功的比例达到了64%，说明之前成功营销对此次能够顺利推销产品有重要影响。
结论及建议
结合以上分析，可以得出下面几点结论，对商业银行提出相应建议
（一）建立激励客户忠诚和约束客户流失的机制之前的成功营销会对今后银行营销的成功起到显著的促进作用，因此，银行应采取措施提高客户忠诚度。所谓客户忠诚，是指客户一再重复购买，而不是偶尔重复购买同一服务的行为。忠诚的客户是银行最基本的、可以信赖客户。这些客户可能因为对银行的信任、偏爱而购买银行的服务，在需要时会增加购买量，因此，这些客户会为银行带来更大的利润。银行应防止忠诚的客户流失。具体的措施包括：第一，加强银行内部管理，为维护客户关系提供坚实保障。寻找更优秀的员工作为客户经理，加强对员工的培训，建立有效的激励制度激发员工的工作热情。第二，提高服务的独特性和不可替代性。让客户意识到其享受的服务是独一无二的，量身定做的，有效降低竞争对手对客户的诱惑，增加客户对银行的依赖性。第三，以银行自身的忠诚交换客户的忠诚。忠诚是银行与客户双向的、互动的。银行应当处于困境中的客户雪中送炭，培养未来可能的忠诚客户。