这是一份kaggle上的银行的数据集，研究该数据集可以预测客户是否认购定期存款，这里包含20个特征：

　　1.分析框架

　　2.数据读取，数据清洗

　　输出：

　　这里只有nr.employed这列有丢失数据，查看下：

　　data['nr.employed'].value_counts()

　　这里只有5191.0这个值，没有其他的，且只有7763条数据，这里直接将这列当做异常值，直接将这列直接删除了。

　　# data.drop('nr.employed', axis=1, inplace=True)

　　3.探索性数据分析

　　3.1查看各年龄段的人数的分布

　　这里可以看出该银行的主要用户主要集中在23-60岁这个年龄层，其中29-39这个年龄段的人数相对其他年龄段多。

　　3.2 其他特征的一些分布

　　3.3 各特征的相关性

　　4.特征规范化

　　4.1 将自变量的特征值转换成标签类型

　　4.2 将结果y值转换成0、1

　　4.3 数据规范化

　　5.模型训练

　　5.1 AdaBoost分类器

　　5.2 SVC分类器

　　5.3 K邻近值分类器

　　5.4 决策树分类器

　　6 模型评价

　　6.1 AdaBoost分类器

　　6.2 SVC分类器

　　6.3 K邻近值分类器

　　6.4 决策树分类器