概述:

• 项目用途: 该文件夹用于金融科技（FinTech）学生的神经网络与机器学习实验，基于“银行营销”数据集（已经按训练/验证/测试拆分，放在 data/ 目录下）。

研究问题（建议）:

• 目标预测: 能否准确预测客户是否会认购定期存款（目标变量为 y，yes/no）。
• 特征重要性: 哪些特征对认购决策影响最大（例如 duration, balance, poutcome 等）？
• 模型比较: 比较不同模型（逻辑回归、决策树/随机森林、梯度提升树、简单神经网络等）在此任务上的表现。

数据目录:

• data/train.csv : 训练集
• data/test.csv : 测试集
• data/val_unlabeled.csv : 验证/未标注集（可用于半监督或上机考察）

数据字典:

• age: 年龄（数值） — 客户年龄，整数，通常 18–95。
• job: 职业（类别） — 如 admin., blue-collar, entrepreneur, management, retired, student 等；含 unknown 表示未知。
• marital: 婚姻状况（类别） — 如 married, single, divorced。
• education: 教育程度（类别） — 如 primary, secondary, tertiary, unknown。
• default: 是否有违约记录（类别） — yes 或 no。
• balance: 年均账户余额（数值，欧元） — 可为负值；建模前请查看极端值并考虑截断或变换。
• housing: 是否有住房贷款（类别） — yes / no。
• loan: 是否有个人贷款（类别） — yes / no。
• contact: 联系方式（类别） — unknown, telephone, cellular。
• day: 当月最后一次联系的日（数值） — 1–31。
• month: 最后一次联系的月份（类别） — 三字母缩写 jan … dec。
• duration: 最后一次联系通话时长（数值，秒） — 对 y 有强影响，但注意在实际预测中通话可能尚未发生。
• campaign: 本次活动中联系次数（数值） — 当前活动期间的联系次数。
• pdays: 自上次接触以来的天数（数值） — 未接触为 -1。
• previous: 之前联系次数（数值） — 非负整数。
• poutcome: 上一次活动结果（类别） — unknown, other, failure, success。
• y: 目标变量（类别） — yes 表示认购，no 表示未认购。

建议实验与分析流程:

• 数据探索: 缺失值与异常值检测、类别分布、数值特征的分位数和箱线图，重点检查 balance 和 duration 的极端值。
• 特征工程: 类别编码（one-hot / target encoding）、数值标准化/归一化、构造交互项或分箱（例如 age、balance）。
• 样本不均衡处理: 若 y 严重不平衡，尝试过采样/欠采样、加权损失、或评价以 AUC/F1 为主。
• 基线模型: 逻辑回归（带正则化）、决策树、随机森林、XGBoost/LightGBM、以及一个简单的多层感知机（MLP）。
• 模型评估: 使用交叉验证或验证集，主要指标包括 准确率 (Accuracy)、精确率 (Precision)、召回率 (Recall)、F1-score、ROC AUC；同时查看混淆矩阵和校准曲线。
• 特征重要性与解释: 使用树模型的特征重要性、SHAP 值或 LIME 来分析哪些特征影响最大，关注 duration 的偏倚问题并在报告中说明。
• 复现实验: 固定随机种子、记录依赖（requirements.txt）、用 git 提交 Notebook 与结果。

交付物与提交要求:

• 代码/笔记本: 提交一个包含数据预处理、建模、评估和结论的 Jupyter Notebook（如 bank_marketing_experiment.ipynb）。
• PDF 报告: 使用 jupyter nbconvert --to webpdf 将 Notebook 导出为 PDF（见下方说明以确保环境正确）。
• 版本控制: 使用 git 管理作业，提交时包含 Notebook、任何脚本、以及 requirements.txt。示例提交命令：

git add .
git commit -m "Add bank marketing experiment notebook and requirements"
git push

如何生成可打印的 PDF（建议）:

• 首选：使用 nbconvert 的 webpdf 导出（通常生成效果较好）。在命令行中运行：

jupyter nbconvert --to webpdf bank_marketing_experiment.ipynb

• 依赖与注意事项：webpdf 需要 Chromium/Chrome 可用并可能需要 playwright。如果遇到问题，可以：

  • 安装依赖: pip install playwright nbconvert[webpdf]；
  • 或者在没有浏览器支持时使用 LaTeX 路径 --to pdf，此方式需安装 TeX 发行版（如 TeX Live 或 MikTeX）。

建议的 Python 依赖（示例）:

• 在项目根目录创建 requirements.txt，包含（示例）：

pandas
numpy
scikit-learn
matplotlib
seaborn
notebook
jupyter
nbconvert[webpdf]
pyppeteer
lightgbm
xgboost
shap

• 安装示例（Bash）：

python -m pip install -r requirements.txt

实现与实验小贴士:

• duration 警告: duration 在数据集中对 y 预测极强，但在真实任务中通话发生之前不可知。做模型和报告时请分别展示“包含 duration”与“不包含 duration”两类结果。
• 可重复性: 在 Notebook 开头固定随机种子（numpy、scikit-learn、torch 等），并说明软件环境与包版本。
• 结果可视化: 提供 ROC 曲线、PR 曲线、特征重要性条形图和 SHAP 值可视化。

评估标准（教师参考）:

• 实验完整性: 数据预处理、验证方法与评价指标是否合理。
• 模型比较: 是否对多种模型进行了公平比较（相同的特征集与评估协议）。
• 解释性: 是否讨论了特征影响、偏差来源（例如 duration）及商业意义。
• 可复现性与代码质量: Notebook 是否能复现结果、是否包含环境说明与依赖文件。

-- 祝你实验顺利！