The data is related with direct mar

The data is related with direct marketing campaigns (phone calls) of a Portuguese banking institution. The classification goal is to predict if the client will subscribe a term deposit (variable y).
The data is related with direct marketing campaigns of a Portuguese banking institution. The marketing campaigns were based on phone calls. Often, more than one contact to the same client was required, in order to access if the product (bank term deposit) would be ('yes') or not ('no') subscribed.
There are four datasets:
1) bank-additional-full.csv with all examples (41188) and 20 inputs, ordered by date (from May 2008 to November 2010), very close to the data analyzed in [Moro et al., 2014]
2) bank-additional.csv with 10% of the examples (4119), randomly selected from 1), and 20 inputs.
3) bank-full.csv with all examples and 17 inputs, ordered by date (older version of this dataset with less inputs).
4) bank.csv with 10% of the examples and 17 inputs, randomly selected from 3 (older version of this dataset with less inputs).
The smallest datasets are provided to test more computationally demanding machine learning algorithms (e.g., SVM).

The classification goal is to predict if the client will subscribe (yes/no) a term deposit (variable y).

Results (Indonesian) 1:

Data yang terkait dengan kampanye pemasaran langsung (telepon) lembaga perbankan Portugis. Klasifikasi tujuan adalah untuk memprediksi jika klien akan berlangganan deposito berjangka (variabel y).Data yang terkait dengan kampanye pemasaran langsung dari sebuah lembaga perbankan Portugis. Kampanye pemasaran berbasis pada panggilan telepon. Seringkali lebih dari satu kontak untuk klien yang sama ini diperlukan, untuk mengakses jika produk (deposito bank berjangka) akan ('ya') atau tidak ('no') berlangganan.Ada empat dataset: 1) bank-tambahan-full.csv dengan semua contoh (41188) dan masukan 20, diperintahkan oleh tanggal (dari Mei 2008 hingga November 2010), sangat dekat dengan data dianalisis dalam [Moro et al., 2014]2) bank-additional.csv dengan 10% contoh (4119), secara acak dipilih dari 1), dan 20 input.3) bank-full.csv dengan semua contoh dan masukan 17, diperintahkan oleh tanggal (versi lebih tua ini dataset dengan input kurang). 4) bank.csv dengan 10% dari contoh-contoh dan masukan 17, secara acak dipilih dari 3 (versi lebih tua ini dataset dengan input kurang). Dataset terkecil disediakan untuk menguji mesin lebih mesin menuntut belajar algoritma (misalnya, SVM). Klasifikasi tujuan adalah untuk memprediksi jika klien akan berlangganan (ya/tidak) deposito berjangka (variabel y).

Results (Indonesian) 2:

Data tersebut terkait dengan kampanye pemasaran langsung (panggilan telepon) dari lembaga perbankan Portugis. Tujuan klasifikasi adalah untuk memprediksi jika klien akan berlangganan deposito berjangka (variabel y).
Data tersebut terkait dengan kampanye pemasaran langsung dari lembaga perbankan Portugis. Kampanye pemasaran didasarkan pada panggilan telepon. Seringkali, lebih dari satu kontak ke klien yang sama diperlukan, untuk mengakses jika produk (deposito berjangka bank) akan ('ya') atau tidak ('tidak') berlangganan.
Ada empat dataset:
1) bank- tambahan-full.csv dengan semua contoh (41.188) dan 20 masukan, disusun menurut tanggal (dari Mei 2008 sampai November 2010), sangat dekat dengan data dianalisis dalam [Moro et al., 2014]
2) Bank-additional.csv dengan 10% dari contoh (4119), dipilih secara acak dari 1), dan 20 input.
3) Bank-full.csv dengan semua contoh dan 17 input, disusun menurut tanggal (versi lama dari dataset ini dengan input kurang).
4) Bank .csv dengan 10% dari contoh dan 17 masukan, dipilih secara acak dari 3 (versi lama dari dataset ini dengan input kurang).
The dataset terkecil disediakan untuk menguji lebih komputasi algoritma pembelajaran mesin menuntut (misalnya, SVM). Tujuan klasifikasi untuk memprediksi apakah klien akan berlangganan (ya / tidak) deposito berjangka (variabel y).