budget_book 是一个银行交易下载、机器学习分类和支出分析项目，最初用于替代 comdirect Finanzmanager。它通过银行 API 下载交易，将交易保存到 CSV 数据库，再根据交易描述文本用机器学习进行分类，并用 Jupyter Notebook 做支出分析和可视化。虽然项目偏个人财务管理，但它很好地体现了银行交易数据从获取、分类到分析的流程。

银行交易描述通常很杂乱：商户名、渠道、备注、缩写、地区、交易类型混在一起。自动分类看似简单，实际上涉及文本清洗、商户识别、历史样本、类别体系和人工纠错。budget_book 适合用来理解这类问题。

• 银行交易下载、CSV 数据库、机器学习分类和支出分析一体化。
• 根据交易描述进行类别预测，适合学习交易文本分类。
• 使用 notebook 做分析，便于观察数据处理和可视化过程。
• MIT 协议，适合个人学习和轻量改造。

这个项目适合学习交易分类的基础流程：如何积累已标注交易，如何从描述文本中提取特征，如何预测交易类别，如何让用户纠正分类错误并形成反馈。银行从业者可以把它扩展理解为客户画像、消费偏好、收入支出结构和现金流分析。

• 个人或小微企业收支分类。
• 客户消费结构分析。
• 信贷申请中的流水类别识别。
• 客户经营和财富管理画像。
• 交易文本分类小实验。

个人交易分类不等同于银行级客户画像。真实银行数据需要脱敏、授权和合规用途说明。分类模型也可能把商户或交易用途误判，不能直接用于信贷拒绝或风险判断，必须提供人工修正和解释。