titanesque

• Descriptif :

Ensemble de données décrivant l'état de survie des passagers individuels du Titanic. Les valeurs manquantes dans l'ensemble de données d'origine sont représentées à l'aide de ?. Les valeurs flottantes et int manquantes sont remplacées par -1, les valeurs manquantes de chaîne sont remplacées par 'Inconnu'.

• Page d' accueil : https://www.openml.org/d/40945

• Code source : tfds.datasets.titanic.Builder

• Versions :

  • 2.0.0 : Nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
  • 3.0.0 : Utilisez un dictionnaire plat standard d'entités pour le jeu de données. Utilisez as_supervised=True pour diviser le jeu de données en un tuple (features_dict, survived) .
  • 4.0.0 (par défaut) : Correction des étiquettes inversées qui étaient inversées dans la 3.0.0.

• Taille du téléchargement : 114.98 KiB

• Taille du jeu de données : 382.58 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Structure des fonctionnalités :

FeaturesDict({
    'age': float32,
    'boat': string,
    'body': int32,
    'cabin': string,
    'embarked': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'fare': float32,
    'home.dest': string,
    'name': string,
    'parch': int32,
    'pclass': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'sex': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'sibsp': int32,
    'survived': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'ticket': string,
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir as_supervised doc ): ({'age': 'age', 'boat': 'boat', 'body': 'body', 'cabin': 'cabin', 'embarked': 'embarked', 'fare': 'fare', 'home.dest': 'home.dest', 'name': 'name', 'parch': 'parch', 'pclass': 'pclass', 'sex': 'sex', 'sibsp': 'sibsp', 'ticket': 'ticket'}, 'survived')

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

@ONLINE {titanic,
author = "Frank E. Harrell Jr., Thomas Cason",
title  = "Titanic dataset",
month  = "oct",
year   = "2017",
url    = "https://www.openml.org/d/40945"
}

• Descriptif :

Ensemble de données décrivant l'état de survie des passagers individuels du Titanic. Les valeurs manquantes dans l'ensemble de données d'origine sont représentées à l'aide de ?. Les valeurs flottantes et int manquantes sont remplacées par -1, les valeurs manquantes de chaîne sont remplacées par 'Inconnu'.

• Page d' accueil : https://www.openml.org/d/40945

• Code source : tfds.datasets.titanic.Builder

• Versions :

  • 2.0.0 : Nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
  • 3.0.0 : Utilisez un dictionnaire plat standard d'entités pour le jeu de données. Utilisez as_supervised=True pour diviser le jeu de données en un tuple (features_dict, survived) .
  • 4.0.0 (par défaut) : Correction des étiquettes inversées qui étaient inversées dans la 3.0.0.

• Taille du téléchargement : 114.98 KiB

• Taille du jeu de données : 382.58 KiB

• Mise en cache automatique ( documentation ): Oui

• Fractionnements :

• Structure des fonctionnalités :

FeaturesDict({
    'age': float32,
    'boat': string,
    'body': int32,
    'cabin': string,
    'embarked': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'fare': float32,
    'home.dest': string,
    'name': string,
    'parch': int32,
    'pclass': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'sex': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'sibsp': int32,
    'survived': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'ticket': string,
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir as_supervised doc ): ({'age': 'age', 'boat': 'boat', 'body': 'body', 'cabin': 'cabin', 'embarked': 'embarked', 'fare': 'fare', 'home.dest': 'home.dest', 'name': 'name', 'parch': 'parch', 'pclass': 'pclass', 'sex': 'sex', 'sibsp': 'sibsp', 'ticket': 'ticket'}, 'survived')

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

@ONLINE {titanic,
author = "Frank E. Harrell Jr., Thomas Cason",
title  = "Titanic dataset",
month  = "oct",
year   = "2017",
url    = "https://www.openml.org/d/40945"
}