german_credit_numeric

  • Descrição :

Este conjunto de dados classifica as pessoas descritas por um conjunto de atributos como bons ou maus riscos de crédito. A versão aqui é a variante "numérica" ​​onde os atributos categóricos e ordenados foram codificados como indicadores e quantidades inteiras, respectivamente.

Dividir Exemplos
'train' 1.000
  • Estrutura de recursos :
FeaturesDict({
    'features': Tensor(shape=(24,), dtype=int32),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
recursos tensor (24,) int32
etiqueta ClassLabel int64
  • Citação :
@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"
}