机器学习模式识别模型，旨在分析和预测客户行为，基于营销活动相关数据。

简介：
银行营销数据分析需要使用Python 2.7版本，并确保其脾气暴躁模块 >= 1.14.2，Matplotlib库 >= 2.2.0，Pandas库 >= 0.22.0以及Scikit-Learn库 >= 0.19.1。该银行营销数据集的收集源自葡萄牙语一家银行机构的直接营销活动。 这些营销活动主要以电话形式与客户沟通，旨在促使他们选择将定期存款存入银行账户。 每一次通话的记录结果会被标记为“否”，表示客户未选择购买定期存款，“是”，则表示客户在通话中同意购买定期存款。 本项目的核心目标是，基于客户的相关信息，预测潜在客户是否愿意进行定期存款业务。 需要注意的是，所考虑的银行营销数据集仅占全部可用数据集的一个小比例（约10%）。 该数据集包含大约4119条记录，并涵盖了19个不同的特征变量以及一个类别信息列。 数据集面临的主要挑战在于：需要进行数据预处理以处理缺失值；需要确定如何有效地利用分类数据和连续数据；并且数据集存在类别不平衡问题，即类别0（否）的数量远大于类别1（是）。