pair0004

//Add the description.md of the data file pair0004 Cause-effect is a growing database with two-variable cause-effect pairs created at Max-Planck-Institute for Biological Cybernetics in Tuebingen, Germany. ================================================================================================================================================== Some pairs are highdimensional, for machine readability the relevant information about this is coded in Meta-data. Meta-data contains the following information: number of pair | 1st column of cause | last column of cause | 1st column of effect | last column of effect | dataset weight The dataset weight should be used for calculating average performance of causal inference methods to avoid a bias introduced by having multiple copies of essentially the same data (for example, the pairs 56-63). When you use this data set in a publication, please cite the following paper (which also contains much more detailed information regarding this data set in the supplement): J. M. Mooij, J. Peters, D. Janzing, J. Zscheischler, B. Schoelkopf "Distinguishing cause from effect using observational data: methods and benchmarks" Journal of Machine Learning Research 17(32):1-102, 2016 NOTE: pair0001 - pair0041 are taken from the UCI Machine Learning Repository: Asuncion, A. & Newman, D.J. (2007). UCI Machine Learning Repository [http://www.ics.uci.edu/~mlearn/MLRepository.html]. Irvine, CA: University of California, School of Information and Computer Science. ================================================================================================================================================== Overview over all data pairs. var 1 var 2 dataset ground truth pair0001 Altitude Temperature DWD -> pair0002 Altitude Precipitation DWD -> pair0003 Longitude Temperature DWD -> pair0004 Altitude Sunshine hours DWD -> Information for pairs0004: DWD data (Deutscher Wetterdienst) data was taken at 349 stations taken from http://www.dwd.de/bvbw/appmanager/bvbw/dwdwwwDesktop/?_nfpb=true&_pageLabel=_dwdwww_klima_umwelt_klimadaten_deutschland&T82002gsbDocumentPath=Navigation%2FOeffentlichkeit%2FKlima__Umwelt%2FKlimadaten%2Fkldaten__kostenfrei%2Fausgabe__mittelwerte__node.html__nnn%3Dtrue more recent link (Jan 2010): http://www.dwd.de/bvbw/appmanager/bvbw/dwdwwwDesktop/?_nfpb=true&_pageLabel=_dwdwww_klima_umwelt_klimadaten_deutschland&T82002gsbDocumentPath=Navigation%2FOeffentlichkeit%2FKlima__Umwelt%2FKlimadaten%2Fkldaten__kostenfrei%2Fausgabe__mittelwerte__node.html__nnn%3Dtrue more recent link (Oct 2012): http://www.dwd.de/bvbw/appmanager/bvbw/dwdwwwDesktop?_nfpb=true&_pageLabel=_dwdwww_klima_umwelt_klimadaten_deutschland&T82002gsbDocumentPath=Navigation%2FOeffentlichkeit%2FKlima__Umwelt%2FKlimadaten%2Fkldaten__kostenfrei%2Fausgabe__mittelwerte__akt__node.html%3F__nnn%3Dtrue x: altitude y: sunshine (yearly value averaged over 1961-1990) ground truth: x --> y// 添加pair0004数据文件的description.md说明文档 因果对数据集是一个不断扩充的数据库，收录双变量因果效应对，由德国图宾根的马克斯·普朗克生物控制学研究所（Max-Planck-Institute for Biological Cybernetics）构建。 ================================================================================================================================================== 部分数据对为高维形式，为便于机器读取，相关信息已编码至元数据（Meta-data）中。 元数据包含以下字段：数据对编号 | 原因变量第一列索引 | 原因变量最后一列索引 | 结果变量第一列索引 | 结果变量最后一列索引 | 数据集权重 在计算因果推断方法的平均性能时，应使用数据集权重，以规避因存在多份本质相同的数据（例如编号56至63的数据对）而引入的偏差。 若将本数据集用于学术出版物，请引用以下论文（该论文的补充材料中也包含关于本数据集的更详细信息）： J. M. Mooij、J. Peters、D. Janzing、J. Zscheischler、B. Schölkopf，《利用观测数据区分因果关系：方法与基准》，《机器学习研究期刊》（Journal of Machine Learning Research）17(32):1-102，2016年 注意：pair0001至pair0041的数据对取自UCI机器学习仓库（UCI Machine Learning Repository）： Asuncion, A. 与 Newman, D.J.（2007）。UCI机器学习仓库 [http://www.ics.uci.edu/~mlearn/MLRepository.html]。加利福尼亚州欧文市：加利福尼亚大学信息与计算机科学学院。 ================================================================================================================================================== 所有数据对概览： 变量1 变量2 数据集 真实因果方向 pair0001 海拔高度 气温 德国国家气象局（Deutscher Wetterdienst，简称DWD） → pair0002 海拔高度 降水量 德国国家气象局（Deutscher Wetterdienst，简称DWD） → pair0003 经度 气温 德国国家气象局（Deutscher Wetterdienst，简称DWD） → pair0004 海拔高度 日照时长 德国国家气象局（Deutscher Wetterdienst，简称DWD） → pair0004数据对的详细说明： 德国国家气象局（Deutscher Wetterdienst，简称DWD）数据 数据采集自349个气象站点 数据来源：http://www.dwd.de/bvbw/appmanager/bvbw/dwdwwwDesktop/?_nfpb=true&_pageLabel=_dwdwww_klima_umwelt_klimadaten_deutschland&T82002gsbDocumentPath=Navigation%2FOeffentlichkeit%2FKlima__Umwelt%2FKlimadaten%2Fkldaten__kostenfrei%2Fausgabe__mittelwerte__node.html__nnn%3Dtrue 2010年1月更新的链接：http://www.dwd.de/bvbw/appmanager/bvbw/dwdwwwDesktop/?_nfpb=true&_pageLabel=_dwdwww_klima_umwelt_klimadaten_deutschland&T82002gsbDocumentPath=Navigation%2FOeffentlichkeit%2FKlima__Umwelt%2FKlimadaten%2Fkldaten__kostenfrei%2Fausgabe__mittelwerte__node.html__nnn%3Dtrue 2012年10月更新的链接：http://www.dwd.de/bvbw/appmanager/bvbw/dwdwwwDesktop?_nfpb=true&_pageLabel=_dwdwww_klima_umwelt_klimadaten_deutschland&T82002gsbDocumentPath=Navigation%2FOeffentlichkeit%2FKlima__Umwelt%2FKlimadaten%2Fkldaten__kostenfrei%2Fausgabe__mittelwerte__akt__node.html%3F__nnn%3Dtrue x轴为海拔高度，y轴为1961-1990年的年均日照时长，真实因果方向为：x → y