# Fundamentos de Aprendizaje Automático-PUCP-2022-01 — Data

来源：https://www.kaggle.com/competitions/fundamentos-de-aprendizaje-automatico-pucp-2022-01/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

## Archivos

*   **train.csv** - The training set
*   **test.csv** - The test set
*   **sample_submission.csv** - A sample submission file in the correct format

## Variables

* **Id**: Una identificación anónima dada a un cliente - (numeric)
* **Edad**: Edad del cliente - (numeric)
* **Trabajo**: Tipo de Trabajo - (categorical: 'desempleado', 'empleada_domestica', 'administración', 'tecnico', 'administrador', 'servicios', 'emprendedor', 'estudiante', 'empleado_ por_cuenta_propia', 'trabajador_industria', 'retirado', 'valor_que_falta')
* **Estado Civil**: Estado civil del cliente - (categorical: 'divorciado', 'soltero', 'casado', 'valor_que_falta')
* **Educacion**: Grado de educación del cliente - (categorical: 'primaria_6_grado', 'grado_universitario', 'primaria_4_grado', 'primaria_3_grado', 'curso_profesional', 'secundaria_completa', 'analfabeto', 'valor_que_falta')
* **Credito por Defecto**: ¿El cliente ya cuenta con un crédito? - (categorical: 'si', 'no', 'valor_que_falta')
* **Prestamo Vivienda**: ¿El cliente ya tiene un préstamo para una vivienda? - (categorical: 'si', 'no', 'valor_que_falta')
* **Prestamo Personal**: ¿El cliente ya tiene un préstamo personal? (categorical: 'si', 'no', 'valor_que_falta')

*Variables relacionadas al último contacto que se realizó con el cliente respecto de la actual campaña*:

* **Contacto**: Tipo de comunicación de contacto - (categorical: 'celular', 'telefono')
* **Mes**: Último mes del año donde se realizó el último contacto - (categorical: 'marzo', 'abril', 'mayo', 'junio', 'julio', 'agosto', 'septiembre', 'octubre', 'noviembre', 'diciembre')
* **Dia Semana**: Último día de la semana donde se realizó el último contacto - (categorical: 'lunes', 'martes', 'miercoles', 'jueves', 'viernes')
* **Duracion**: Duración del último contacto, en segundos [**IMPORTANTE**: Este atributo se relaciona con la variable a predecir (por ejemplo, si la duración fue 0, entonces la variable a predecir será 'no'). Sin embargo, antes de realizar una llamada. Además, después del final de la llamada, obviamente se conoce el valor de la variable a predecir. Por lo tanto, esta variable sólo debe incluirse como referencia, pero **debe descartarse al desarrollar el modelo** con el fin que sea realista.] - (numeric)

*Variables relacionadas a otros atributos*:

* **Cantidad Contactos Realizados**: Número de contactos realizados al cliente durante esta campaña - (numeric)
* **Cantidad Dias desde Ultimo Contacto**: Número de días que pasaron luego que el cliente fue contactado por última vez desde una campaña anterior - (numeric; 999 significa que el cliente no fue contactado previamente)
* **Cantidad Contactos Previos Realizados**: Número de contactos realizados al cliente antes de esta campaña - (numeric)
* **Resultado Campaña Anterior**: Resultado de la campaña de marketing anterior - (categorical: 'inexistente', 'exitoso', 'fallido')

*Variables relacionadas a atributos del contexto social y económico*:

* **Tasa Variacion Empleo**: Tasa de variación del empleo, indicador trimestral - (numeric)
* **Indice Precios Consumidor**: Índice de precios al consumidor, indicador mensual - (numeric)
* **Indice Confianza Consumidor**: Índice de confianza del consumidor, indicador mensual - (numeric)
* **Tasa Interes 3 meses**: Tasa de interés a 3 meses entre bancos, indicador diario - (numeric)
* **Cantidad Empleados**: Número de empleados, indicador trimestral - (numeric)

*Variable a predecir*:

* **Subscripcion Deposito**:  ¿El cliente se ha suscrito a un depósito a plazo? - (categorical: 'si', 'no').

## Indicaciones

Las variables del target deben ser convertidas a númericas:

* si : 1
* no : 0