项目时间

2024.10 – 2024.11

项目简介

本项目基于 UCI 银行营销公开数据集，对多种机器学习模型进行开发、评估与集成优化，并提出可解释性改进方案。

数据采集与预处理

• 选用 UCI 银行营销数据集（41,188 条、21 个变量）对 pdays 字段进行二值化处理，剔除缺失与异常值 ；
• 按 3:1:1 分层抽样构建训练集 / 验证集 / 测试集 ；
• 调用 ggplot2 绘制散点图、箱线图、ROC 曲线等 10 余种可视化，直观揭示客户人口属性、经济指标与营销响应的关联。

ML 模型开发与评估

• 基于 caret、glmnet、gbm 等 R 包，完整实现 9 种算法：
  • Logistic 回归、Lasso、Ridge、Elastic Net、决策树、随机森林、Bagging、GBM、神经网络
• 采用网格搜索 + 5 折交叉验证优化超参数
• 最优 GBM 模型 AUC 达 0.9438，集成模型 AUC 提升至 0.9461

结果展示

• 定量变量-直方图+箱线图可视化
  
• 定性变量-饼图可视化
  
• 不同机器学习模型结果比较
  
• 混合模型效果展示
• 最好的模型-GBM 变量重要性展示
  

查看完整项目文件

• R 代码下载：gp_final.R
• 报告下载：ML_Project.pdf