机器学习模式识别模型，旨在基于营销活动相关数据分析和预测客户行为。

简介：
银行营销数据分析需要使用Python 2.7版本，且其库版本要求为：脾气暴躁 >= 1.14.2，Matplotlib >= 2.2.0，Pandas >= 0.22.0，以及 Scikit-Learn >= 0.19.1。该银行营销数据集的收集来源于葡萄牙语一家银行机构的直接营销活动。这些营销活动主要表现为对客户进行的电话拜访，旨在促使他们选择将定期存款存入银行账户。每次通话结束后，客户会被标记为是否成为潜在客户：否表示客户未接受定期存款建议，是则表示客户在通话中接受了定期存款的提议。本项目的核心目标是基于客户的各项信息，准确预测潜在客户是否愿意进行定期存款业务。值得注意的是，所考虑的银行营销数据集仅占全部可用数据集的一小部分（约10%）。该数据集包含大约4119条记录，并具备19个特征变量以及一个类别信息列。该数据集面临的主要挑战在于需要进行预处理操作以填补数据集中存在的缺失值；此外，还需要决定如何有效地利用分类数据和连续数据，并且需要特别关注类别不平衡的问题——即类别0（否）的数量远大于类别1（是）。