Covtype dataset for multiclass classfication

Covtype dataset for multiclass classfication #

作成されるテーブル #

table_name	count
covtype_train	406708
covtype_test	174304

データセット #

[406708 rows x 56 columns]

	col_0	col_1	col_2	col_3	col_4	col_5	col_6	col_7	col_8	col_9	col_12	col_13	col_19	col_33	col_36	col_45	target	time
1	2958	356	12	60	18	1382	201	219	155	485	1	0	0	0	1	0	1	1.69106e+09
2	2769	112	19	150	60	1167	249	216	86	633	1	0	0	0	0	1	2	1.69106e+09
3	2717	22	23	30	17	1168	199	185	115	1973	1	0	0	1	0	0	1	1.69106e+09
4	2368	343	9	480	144	1307	202	227	163	577	0	1	1	0	0	0	3	1.69106e+09

背景 #

UC Irvine Machine Learning Repository から提供されているデータセット。

標高、アスペクト、傾斜、丘陵斜面、土壌タイプなどの属性に基づいて、ピクセルを7つの森林被覆タイプに分類。

地図上の変数のみから森林被覆タイプを予測（リモートセンシングデータはなし）。与えられた観測点（30 x 30mのセル）の実際の森林被覆タイプは、US Forest Service (USFS) Region 2 Resource Information System (RIS)のデータから決定された。独立変数は、元々 USGS（US Geological Survey：米国地質調査所）と USFS のデータから得られたデータから得られた。データは未加工の状態で（スケーリングされていない）、質的独立変数（原生地域と土壌タイプ）のデータの2値（0または1）の列を含んでいる。

この調査地域には、コロラド州北部のルーズベルト国有林に位置する4つの原生地域が含まれる。これらの地域は、人為的攪乱を最小限に抑えた森林であり、現存する森林被覆の種類は、森林管理の実践というよりもむしろ生態学的プロセスの結果である。

これら4つの原生地域について、背景となる情報をいくつか紹介しよう：ネオタ（エリア2）は、おそらく4つの原生地域の中で最も平均標高が高い。ラワ（エリア1）とコマンチ・ピーク（エリア3）の平均標高は低く、キャッシュ・ラ・プードル（エリア4）の平均標高は最も低い。

これらの地域の主な樹種は、ネオタはトウヒ／モミ（タイプ1）、ラワとコマンチ・ピークはロッジポールパイン（タイプ2）、次いでトウヒ／モミ、アスペン（タイプ5）であろう。Cache la Poudreでは、ポンデローサ・マツ（タイプ3）、ダグラスファー（タイプ6）、コットンウッド／ヤナギ（タイプ4）が多い。

Rawah と Comanche Peak の地域は、樹種の種類と予測変数値（標高など）の範囲から、Neota や Cache la Poudre よりもデータセット全体の典型的な地域となる傾向がある。

カラム #

#	Column	Dtype
0	0	Int64
1	1	Int64
2	2	Int64
3	3	Int64
4	4	Int64
5	5	Int64
6	6	Int64
7	7	Int64
8	8	Int64
9	9	Int64
10	10	Int64
11	11	Int64
12	12	Int64
13	13	Int64
14	14	Int64
15	15	Int64
16	16	Int64
17	17	Int64
18	18	Int64
19	19	Int64
20	20	Int64
21	21	Int64
22	22	Int64
23	23	Int64
24	24	Int64
25	25	Int64
26	26	Int64
27	27	Int64
28	28	Int64
29	29	Int64
30	30	Int64
31	31	Int64
32	32	Int64
33	33	Int64
34	34	Int64
35	35	Int64
36	36	Int64
37	37	Int64
38	38	Int64
39	39	Int64
40	40	Int64
41	41	Int64
42	42	Int64
43	43	Int64
44	44	Int64
45	45	Int64
46	46	Int64
47	47	Int64
48	48	Int64
49	49	Int64
50	50	Int64
51	51	Int64
52	52	Int64
53	53	Int64
54	Target	Int8

カラム値のバリエーション #

	col	unique
0	col_0	[2813, 2958, 2769, 2717, 2368, 2896, 3235, 296…
1	col_1	[219, 356, 112, 22, 343, 32, 239, 151, 245, 75…
2	col_2	[16, 12, 19, 23, 9, 17, 14, 28, 5, 2, 24, 8, 1…
3	col_3	[67, 60, 150, 30, 480, 499, 216, 319, 90, 120,…
4	col_4	[12, 18, 60, 17, 144, 130, 45, 49, 37, 15, 14,…
5	col_5	[2180, 1382, 1167, 1168, 1307, 2307, 1031, 339…
6	col_6	[200, 201, 249, 199, 202, 214, 197, 237, 150, …
7	col_7	[254, 219, 216, 185, 227, 200, 250, 239, 247, …
8	col_8	[186, 155, 86, 115, 163, 117, 189, 129, 225, 1…
9	col_9	[2774, 485, 633, 1973, 577, 607, 301, 1218, 23…
10	col_10	[1, 0]
11	col_11	[0, 1]
12	col_12	[0, 1]
13	col_13	[0, 1]
14	col_14	[0, 1]
15	col_15	[0, 1]
16	col_16	[0, 1]
17	col_17	[0, 1]
18	col_18	[0, 1]
19	col_19	[0, 1]
20	col_20	[0, 1]
21	col_21	[0, 1]
22	col_22	[0, 1]
23	col_23	[0, 1]
24	col_24	[0, 1]
25	col_25	[0, 1]
26	col_26	[0, 1]
27	col_27	[0, 1]
28	col_28	[0, 1]
29	col_29	[0, 1]
30	col_30	[0, 1]
31	col_31	[0, 1]
32	col_32	[0, 1]
33	col_33	[0, 1]
34	col_34	[0, 1]
35	col_35	[0, 1]
36	col_36	[0, 1]
37	col_37	[0, 1]
38	col_38	[0, 1]
39	col_39	[0, 1]
40	col_40	[0, 1]
41	col_41	[0, 1]
42	col_42	[0, 1]
43	col_43	[1, 0]
44	col_44	[0, 1]
45	col_45	[0, 1]
46	col_46	[0, 1]
47	col_47	[0, 1]
48	col_48	[0, 1]
49	col_49	[0, 1]
50	col_50	[0, 1]
51	col_51	[0, 1]
52	col_52	[0, 1]
53	col_53	[0, 1]
54	target	[1, 2, 3, 7, 6, 5, 4]

Covtype dataset for multiclass classfication

Contents

Covtype dataset for multiclass classfication #

datasets 名 #

作成されるテーブル #

データセット #

背景 #

カラム #

カラム値のバリエーション #

Covtype dataset for multiclass classfication

Contents

Covtype dataset for multiclass classfication#

datasets 名#

作成されるテーブル#

データセット#

背景#

カラム#

カラム値のバリエーション#

Covtype dataset for multiclass classfication #

datasets 名 #

作成されるテーブル #

データセット #

背景 #

カラム #

カラム値のバリエーション #