{
  "fetched_at": "2026-10-20T00:44:30Z",
  "source_url": "https://www.kaggle.com/competitions/bank-churn-competition-by-m-linside-ai-specialization/data",
  "pages": [
    {
      "name": "Метрика (оценка решений)",
      "content": "Мы будем оценивать ваши решения с помощью метрики, которая называется **ROC-AUC**. Эта метрика показывает, насколько хорошо ваша модель умеет предсказывать вероятность того, что какое-то событие произойдёт или нет. В нашем случае, вам нужно предсказывать вероятность для каждого клиента, что он уйдёт из банка или останется (это называется \"целевой переменной\").\n\nhttps://education.yandex.ru/handbook/ml/article/metriki-klassifikacii-i-regressii\n\nROC-AUC смотрит на все предсказанные вероятности и сравнивает их с реальными данными (ушёл клиент или остался). Чем лучше модель предсказывает вероятности, тем выше будет оценка. Максимальная оценка — 1, это идеальный результат.\n\n### Файл для отправки (предсказания)\nКогда ваша модель сделает предсказания для тестового набора данных, вы должны сохранить эти предсказания в специальный файл. Этот файл должен содержать два столбца:\n\n1. `id` — это уникальный номер клиента из тестового набора данных.\n2. `Exited` — это предсказанная вероятность того, что клиент уйдёт из банка (число от 0 до 1).\n\nФайл должен выглядеть так:\n\n```\nid,Exited\n165034,0.9\n165035,0.1\n165036,0.5\n```\n\n- **id** — это идентификатор клиента, который вам дают в тестовом наборе данных.\n- **Exited** — это вероятность ухода клиента, которую предсказала ваша модель. Например, у клиента с id 165034 вероятность ухода 0.9, у клиента 165035 — вероятность 0.1, и так далее.\n\nВаш файл должен иметь заголовок (строка `id,Exited`) и содержать предсказания для всех клиентов из тестового набора.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- Не жульничайте!\n- Старайтесь!\n- Получайте удовольствие! =)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "## О наборе данных\nПодготовленный нами датасет оттока клиентов банка — это широко используемый набор данных для прогнозирования ухода клиентов в банковской сфере. Он содержит информацию о клиентах банка, которые либо ушли, либо остались клиентами. В наборе данных представлены следующие атрибуты (фичи):\n\n\t•\tCustomer ID: Уникальный идентификатор каждого клиента.\n\t•\tSurname: Фамилия клиента.\n\t•\tCredit Score: Числовое значение, представляющее кредитный рейтинг клиента.\n\t•\tGeography: Страна проживания клиента (Франция, Испания или Германия).\n\t•\tGender: Пол клиента (Мужской или Женский).\n\t•\tAge: Возраст клиента.\n\t•\tTenure: Количество лет, которое клиент обслуживается в банке.\n\t•\tBalance: Баланс на счёте клиента.\n\t•\tNumOfProducts: Количество банковских продуктов, которыми пользуется клиент (например, сберегательный счёт, кредитная карта).\n\t•\tHasCrCard: Наличие кредитной карты у клиента (1 = да, 0 = нет).\n\t•\tIsActiveMember: Является ли клиент активным членом банка (1 = да, 0 = нет).\n\t•\tEstimatedSalary: Предполагаемая заработная плата клиента.\n\t•\tExited: Ушёл ли клиент (1 = да, 0 = нет).\n\n## Файлы\n\n*   **train.csv** — обучающий набор данных; `Exited` — бинарная целевая переменная.\n*   **test.csv** — тестовый набор данных; ваша задача — предсказать вероятность переменной `Exited`.\n*   **sample_submission.csv** — пример файла отправки в правильном формате.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "**Всем привет!**\nЭто ваше первое соревнование на Kaggle в рамках специализации \"Искусственный интеллект и анализ данных\" MLinside, и мы рады приветствовать вас! Мы подготовили для вас увлекательную задачу на классификацию, которая поможет вам начать применять свои знания и улучшить навыки в машинном обучении. Датасет уже ждёт вас, и теперь всё зависит от вашей способности строить точные модели! =)\n\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F11108995%2F4d106364f6f3ce2e8bf63362a4a8dfa3%2Fbank_spr.png?generation=1726323822011274&alt=media)\n\n**Ваша задача** — предсказать, продолжит ли клиент пользоваться своим аккаунтом в банке или закроет его. Удачи!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}