jlh/uci-bank

---
dataset_info:
features:
- name: age
dtype: int64
- name: job
dtype: string
- name: marital
dtype: string
- name: education
dtype: string
- name: default
dtype: string
- name: balance
dtype: int64
- name: housing
dtype: string
- name: loan
dtype: string
- name: contact
dtype: string
- name: day
dtype: int64
- name: month
dtype: string
- name: duration
dtype: int64
- name: campaign
dtype: int64
- name: pdays
dtype: int64
- name: previous
dtype: int64
- name: poutcome
dtype: string
- name: y
dtype:
class_label:
names:
'0': 'no'
'1': 'yes'
splits:
- name: train
num_bytes: 674228
num_examples: 4521
download_size: 92171
dataset_size: 674228
---
# Dataset Card for "uci-bank"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 字段名称：age（年龄），数据类型：64位整数（int64）
- 字段名称：job（职业），数据类型：字符串（string）
- 字段名称：marital（婚姻状况），数据类型：字符串（string）
- 字段名称：education（学历），数据类型：字符串（string）
- 字段名称：default（违约状态），数据类型：字符串（string）
- 字段名称：balance（账户余额），数据类型：64位整数（int64）
- 字段名称：housing（住房贷款情况），数据类型：字符串（string）
- 字段名称：loan（个人贷款情况），数据类型：字符串（string）
- 字段名称：contact（联系方式类型），数据类型：字符串（string）
- 字段名称：day（当月通话日期），数据类型：64位整数（int64）
- 字段名称：month（通话月份），数据类型：字符串（string）
- 字段名称：duration（本次通话时长），数据类型：64位整数（int64）
- 字段名称：campaign（本次营销活动联系次数），数据类型：64位整数（int64）
- 字段名称：pdays（上次联系后间隔天数），数据类型：64位整数（int64）
- 字段名称：previous（此前营销活动联系次数），数据类型：64位整数（int64）
- 字段名称：poutcome（此前营销活动结果），数据类型：字符串（string）
- 字段名称：y，数据类型：类别标签（class_label），类别映射为：'0'对应'no'（否），'1'对应'yes'（是）
数据集划分：
- 划分名称：训练集（train），字节占用大小：674228，样本数量：4521
下载大小：92171
数据集总大小：674228

# 「UCI银行（uci-bank）」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• age: 整数类型 (int64)
• job: 字符串类型 (string)
• marital: 字符串类型 (string)
• education: 字符串类型 (string)
• default: 字符串类型 (string)
• balance: 整数类型 (int64)
• housing: 字符串类型 (string)
• loan: 字符串类型 (string)
• contact: 字符串类型 (string)
• day: 整数类型 (int64)
• month: 字符串类型 (string)
• duration: 整数类型 (int64)
• campaign: 整数类型 (int64)
• pdays: 整数类型 (int64)
• previous: 整数类型 (int64)
• poutcome: 字符串类型 (string)
• y: 分类标签，包含两个类别：
  • 0: no
  • 1: yes

数据集划分

• train:
  • 数据大小: 674228 字节
  • 示例数量: 4521

数据集大小

• 下载大小: 92171 字节
• 数据集总大小: 674228 字节

搜集汇总

数据集介绍

构建方式

在金融风控与客户关系管理领域，精准预测客户对营销活动的响应是优化资源配置的关键。该数据集源自UCI机器学习库中的银行营销数据集，通过收集葡萄牙某银行机构的直接营销活动记录构建而成。数据构建过程涵盖了客户基本信息、历史交互行为及营销结果等维度，共计17个特征变量，包含年龄、职业、婚姻状况、教育水平等人口统计学属性，以及账户余额、贷款状态、联系方式等金融行为指标，最终形成4521条训练样本，以二分类标签‘y’标识客户是否认购定期存款。

特点

该数据集的核心特点在于其多维度的特征组合与真实业务场景的高度契合。特征类型涵盖数值型与类别型变量，如连续型的‘duration’（通话时长）与离散型的‘poutcome’（先前营销结果），能够全面刻画客户画像。特别地，‘campaign’（本次营销联系次数）与‘pdays’（上次联系后间隔天数）等时序特征，为建模客户响应行为提供了动态视角。此外，类别标签平衡性设计合理，有助于训练稳健的分类模型，适用于逻辑回归、决策树及集成学习等多种算法。

使用方法

在应用层面，该数据集可直接加载至Python环境进行机器学习建模。通过HuggingFace的datasets库，用户可使用load_dataset('jlh/uci-bank')快速获取数据，并利用pandas转换为DataFrame进行预处理。推荐将数值型特征进行标准化处理，对类别型特征执行独热编码或标签编码。建模时可划分训练集与测试集，采用交叉验证评估模型性能，重点监测AUC-ROC曲线及F1分数，以应对潜在的类别不平衡问题。最终模型可部署于银行营销自动化系统，实现客户响应概率的实时预测。

背景与挑战

背景概述

在金融科技与数据驱动决策迅猛发展的时代背景下，精准预测客户行为成为银行机构优化营销策略的核心课题。UCI银行数据集（jlh/uci-bank）源自加州大学欧文分校（UCI）机器学习库，由葡萄牙银行机构的研究团队于2012年前后创建，旨在通过客户的人口统计特征、账户信息及历史交互记录，预测客户是否会定期存款。该数据集包含4521条训练样本，涵盖年龄、职业、婚姻状况、教育程度、贷款状态等16个特征，以及二分类标签（是否认购定期存款）。其核心研究问题在于利用历史数据构建分类模型，以提升电话营销活动的转化效率。自发布以来，该数据集成为金融风控与客户关系管理领域的经典基准，广泛应用于逻辑回归、决策树及神经网络等算法的验证，推动了可解释性机器学习与不平衡分类技术在该场景下的发展。

当前挑战

该数据集所解决的领域问题在于银行电话营销中的客户响应预测，其核心挑战源于数据的高度不平衡性——仅有约11.7%的客户实际认购定期存款，导致模型易偏向多数类，难以捕捉少数类模式。此外，特征空间包含数值型与分类型变量混杂，如职业、教育等类别需有效编码，而持续时间（duration）与营销活动次数（campaign）等特征存在异常值与长尾分布，增加了预处理复杂度。在构建过程中，原始数据采集面临客户隐私保护与数据缺失的双重挑战，部分字段如默认贷款（default）存在稀疏性，需通过插补或剔除策略处理。同时，营销时序特征（如上次联系间隔pdays）的缺失值占比高达80%，要求研究者谨慎设计特征工程方案，以避免信息泄露或模型过拟合。

常用场景

经典使用场景

在金融营销与客户关系管理领域，jlh/uci-bank数据集常被用于构建客户对定期存款产品响应行为的预测模型。研究者通过分析客户年龄、职业、婚姻状况、教育水平等人口统计学特征，结合账户余额、贷款状况、联系次数等历史交易与营销交互信息，利用逻辑回归、决策树、随机森林或梯度提升机等机器学习算法，预测客户是否会在电话营销活动后认购定期存款。该场景聚焦于二分类任务，旨在从大规模客户群体中精准识别高意向客户，优化营销资源配置。

衍生相关工作

该数据集衍生了多项经典工作，包括Moro等人基于原始葡萄牙银行数据提出的数据挖掘基准研究，以及后续针对特征选择与集成学习优化的改进模型。研究者还将其与UCI机器学习库中的其他银行营销数据集进行对比，验证跨数据集泛化能力。近年来，深度学习与可解释AI技术也被引入，例如利用注意力机制提取交互特征，或通过SHAP值解释模型预测逻辑，这些工作进一步拓展了该数据集在自动化机器学习与可信AI评估中的使用价值。

数据集最近研究

最新研究方向

在金融科技与客户关系管理深度融合的背景下，jlh/uci-bank数据集作为经典的银行电话营销客户订阅行为预测基准，正被广泛应用于前沿的客户流失分析与精准营销模型研究。当前研究方向聚焦于利用该数据集评估和优化基于深度学习的序列建模方法，如长短期记忆网络（LSTM）与注意力机制，以捕捉客户通话时长、联系频率等时序特征与最终决策之间的复杂非线性关系。同时，结合特征工程与集成学习技术，研究者致力于提升模型在类别不平衡场景下的预测鲁棒性，该数据集已成为验证联邦学习框架在保护客户隐私前提下实现跨机构营销协作效果的典型测试平台，其研究产出对推动金融行业智能化转型与个性化服务具有重要实践意义。