german_credit_numeric

Descriptif :

Cet ensemble de données classe les personnes décrites par un ensemble d'attributs comme bons ou mauvais risques de crédit. La version ici est la variante "numérique" où les attributs catégoriels et catégoriels ordonnés ont été encodés respectivement en tant qu'indicateurs et quantités entières.

Page d' accueil : https://archive.ics.uci.edu/ml/datasets/Statlog+(German+Credit+Data)
Code source : tfds.structured.GermanCreditNumeric
Versions :
- 1.0.0 (par défaut) : aucune note de version.
Taille du téléchargement : 99.61 KiB
Taille du jeu de données : 58.61 KiB
Mise en cache automatique ( documentation ): Oui
Fractionnements :

Diviser	Exemples
`'train'`	1 000

Structure des fonctionnalités :

FeaturesDict({
    'features': Tensor(shape=(24,), dtype=int32),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})

Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype
	FonctionnalitésDict
Caractéristiques	Tenseur	(24,)	int32
étiquette	Étiquette de classe		int64

Touches supervisées (Voir as_supervised doc ): ('features', 'label')
Figure ( tfds.show_examples ) : non pris en charge.
Exemples ( tfds.as_dataframe ):

Citation :

@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"
}