- opis :
Ten zestaw danych klasyfikuje osoby opisane przez zestaw atrybutów jako dobre lub złe ryzyko kredytowe. Wersja tutaj jest wariantem „numerycznym”, w którym kategoryczne i uporządkowane atrybuty kategoryczne zostały zakodowane odpowiednio jako wielkości wskaźnikowe i całkowite.
Strona główna : https://archive.ics.uci.edu/ml/datasets/Statlog+(niemiecki+kredyt+dane)
Kod źródłowy :
tfds.structured.GermanCreditNumeric
Wersje :
-
1.0.0
(domyślnie): Brak informacji o wersji.
-
Rozmiar pliku do pobrania :
99.61 KiB
Rozmiar zbioru danych :
58.61 KiB
Automatyczne buforowanie ( dokumentacja ): Tak
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1000 |
- Struktura funkcji :
FeaturesDict({
'features': Tensor(shape=(24,), dtype=int32),
'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
cechy | Napinacz | (24,) | int32 | |
etykieta | Etykieta klasy | int64 |
Klucze nadzorowane (zobacz dokument
as_supervised
):('features', 'label')
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Przykłady ( tfds.as_dataframe ):
- Cytat :
@misc{Dua:2019 ,
author = "Dua, Dheeru and Graff, Casey",
year = "2017",
title = "{UCI} Machine Learning Repository",
url = "http://archive.ics.uci.edu/ml",
institution = "University of California, Irvine, School of Information and Computer Sciences"
}