🏦 Bank Marketing Analysis - Machine Learning Project

📋 Description

Projet d'analyse de données et de machine learning sur les campagnes de marketing direct d'une institution bancaire portugaise. L'objectif est de prédire la souscription à un dépôt à terme en utilisant diverses techniques d'apprentissage automatique.

Auteurs : Pierre Jean & Karl Sondeji
Formation : M1 Économie de l'entreprise - Université de Tours
Superviseurs : Julie Scholler et Franck Piller
Date : Mars 2023

🎯 Objectif

Identifier les clients les plus susceptibles de souscrire à un dépôt à terme afin d'optimiser les campagnes marketing et réduire les coûts d'investissement.

📊 Dataset

• Source : Campagnes de marketing direct bancaire portugais
• Échantillon d'entraînement : 45 211 observations, 17 variables
• Échantillon de test : 4 521 observations, 17 variables
• Variable cible : y (souscription oui/non)

Variables principales :

• Démographiques : âge, emploi, statut marital, éducation
• Bancaires : crédit immobilier, emprunt, équilibre financier
• Campagne : durée d'appel, nombre de contacts, résultats précédents

🤖 Modèles implémentés

• KNN - k-Nearest Neighbors
• LDA/QDA - Analyse Discriminante Linéaire/Quadratique
• SVM - Support Vector Machine (linéaire et radial)
• CART - Classification and Regression Trees
• Random Forest - Forêts aléatoires
• Boosting - XGBoost et AdaBoost

🛠️ Technologies utilisées

• R - Langage principal
• Quarto - Documentation et présentation
• Tidymodels - Framework de machine learning
• ggplot2 - Visualisations
• caret - Classification et régression
• randomForest - Forêts aléatoires
• xgboost - Gradient boosting

📁 Structure du projet

├── README.md                                    # Ce fichier
├── Quarto Bank Marketing Pierre et Karl.qmd     # Document principal Quarto
├── styles.css                                   # Styles personnalisés
├── train.csv                                    # Données d'entraînement
├── bases de données banques/                    # Données sources
├── README_Troubleshooting.md                    # Guide de dépannage
└── assets/                                      # Images et logos
    ├── ampoule.jpg
    ├── logomecen.png
    └── logouniv.png

🚀 Utilisation

Prérequis

# Packages requis
install.packages(c(
  "tidyverse", "tidymodels", "quarto",
  "ggplot2", "caret", "randomForest", 
  "xgboost", "patchwork", "viridis"
))

Génération de la présentation

# Avec Quarto CLI
quarto render "Quarto Bank Marketing Pierre et Karl.qmd"

# Ou dans RStudio
# Cliquer sur "Render" ou Ctrl+Shift+K

# Ou pour voir le quarto
# Cliquer sr le fichier html "Quarto Bank Marketing Pierre et Karl.html" une fois le dossier téléchargé

📈 Résultats principaux

• Meilleur modèle : Random Forest / XGBoost
• Précision optimale : ~89-91%
• Variables importantes : durée d'appel, équilibre financier, résultats campagnes précédentes
• Recommandation : Ciblage basé sur l'historique client et profil financier

🎨 Fonctionnalités de présentation

• Design moderne avec thème personnalisé
• Graphiques interactifs optimisés pour RevealJS
• Navigation par onglets pour l'organisation du contenu

🔧 Debug

Consultez le fichier README_Troubleshooting.md pour les problèmes courants :

• Conflits de packages (margin())
• Erreurs de format de données ("truth must be a factor")
• Problèmes de rendu Quarto

📄 Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

🤝 Contribution

Les contributions sont les bienvenues ! N'hésitez pas à :

1. Fork le projet
2. Me faire un retours si vous aves des remarques ou des suggestions d'amélioration

📧 Contact

• Karl Sondeji - [karl.sondeji@gmail.com]

Université de Tours - Master Économiste d'entreprise

---

⭐ N'hésitez pas à mettre une étoile si ce projet vous a été utile !