german_credit_numeric

  • Description:

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 catégoriques et catégoriques ordonnés ont été codés respectivement en tant qu'indicateurs et quantités entières.

Diviser Exemples
'train' 1 000
  • Caractéristiques:
FeaturesDict({
    'features': Tensor(shape=(24,), dtype=tf.int32),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
  • 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"
}