german_credit_numeric

  • Descripción :

Este conjunto de datos clasifica a las personas descritas por un conjunto de atributos como buenos o malos riesgos crediticios. La versión aquí es la variante "numérica" ​​donde los atributos categóricos y categóricos ordenados han sido codificados como indicadores y cantidades enteras respectivamente.

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'features': Tensor(shape=(24,), dtype=int32),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
caracteristicas Tensor (24,) int32
etiqueta Etiqueta de clase int64
  • Cita :
@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"
}