ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

german_credit_numeric

  • รายละเอียด:

ชุดข้อมูลนี้จัดกลุ่มคนที่อธิบายโดยชุดแอตทริบิวต์ว่ามีความเสี่ยงด้านเครดิตดีหรือไม่ดี เวอร์ชันนี้เป็นตัวแปร "ตัวเลข" ที่มีการเข้ารหัสแอตทริบิวต์การจัดหมวดหมู่และแบบเรียงลำดับเป็นตัวบ่งชี้และปริมาณจำนวนเต็มตามลำดับ

แยก ตัวอย่าง
'train' 1,000
  • คุณสมบัติ:
FeaturesDict({
    'features': Tensor(shape=(24,), dtype=tf.int32),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
  • อ้างอิง:
@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"
}