银行客户公平性评估数据集-客户流失与潜在客户预测-kushasahu

银行客户公平性评估数据集-客户流失与潜在客户预测-kushasahu 数据来源：互联网公开数据 标签：银行,客户,公平性,偏见,机器学习,客户流失,人口统计学,性别,年龄 数据概述： 本数据集是经过修改的银行客户流失数据集，专门用于评估偏见缓解方法。数据集包含了银行客户的多种属性，如人口统计信息（年龄、性别等）、账户信息、交易行为等，并提供了两个关键的输出变量：客户是否已流失（exited），以及客户是否为潜在客户（potential customer）。其中，潜在客户变量在性别上存在显著偏见，在年龄上存在轻微偏见。 数据用途概述： 该数据集主要用于研究和评估机器学习模型中的偏见问题，以及测试各种偏见缓解技术的效果。研究人员可以使用此数据来分析模型在不同人口统计群体上的表现差异，并开发和验证更公平的预测模型。具体应用场景包括：评估模型在不同性别和年龄段客户上的流失预测准确性；探索数据预处理、算法调整等方法对偏见的影响；促进对公平性指标的理解和改进。此外，该数据集也适用于教育目的，帮助学生理解和实践机器学习中的公平性问题。