electricsheepafrica/africa-nutrition-food-security

一个合成的表格数据集，用于非洲人口的家庭营养和粮食安全评估。重点关注粮食的可用性、获取性、利用性和稳定性。A synthetic tabular dataset for household nutrition and food security assessment in African populations. Focuses on availability, access, utilisation, and stability.

搜集汇总

数据集介绍

构建方式

本数据集通过合成生成技术构建，旨在模拟非洲人群的家庭营养与粮食安全状况。数据生成过程首先以高援助依赖和低作物产量为特征构建阳性样本（粮食不安全），再以自产自足为特征构建阴性对照样本，随后进行泄漏过滤以确保类别纯净。最终通过精确平衡形成5000个阳性与5000个阴性样本，覆盖2019至2024年间20个国家的时空分布。特征工程基于文献与临床指南赋予领域权重，构建了涵盖粮食安全、农业韧性、营养脆弱性等多维复合评分，并引入高危险标志用于筛查。所有连续变量均注入均匀噪声以防止过拟合，种子值42确保可重复性。

特点

该数据集核心特征在于提供了40余项原始与工程化指标，全面覆盖粮食安全的四大支柱：可获性、可及性、利用性与稳定性。数据结构为平衡二分类任务，类别均匀分布有效避免了模型偏差。国家采样依据流行病学权重，反映真实人口与疾病负担分布。工程化复合评分（如粮食安全评分、农业韧性指数）具有领域敏感性，高危险标志兼顾特异的筛查灵敏度。此外，数据完全无缺失值，分类变量保留原始字符串标签以确保可解释性，噪声注入与时间一致性生成策略保障了合成数据的统计真实性。

使用方法

研究者可通过HuggingFace的datasets库直接加载数据集，调用load_dataset('electricsheepafrica/africa-nutrition-food-security', split='train')即可获取，并转换为Pandas DataFrame进行分析。推荐对分类变量进行独热编码，对连续特征进行标准化处理，并在划分训练集时按国家分层以维护地理代表性。基线建模可采用逻辑回归（预期ROC-AUC 0.78–0.84）、随机森林（0.88–0.93）或XGBoost（0.91–0.95）等算法。高级应用涵盖生存分析、多任务学习、因果推断及可解释性AI，使用SHAP或LIME解释模型输出，亦适用于联合预测、社交保护目标定位与农业规划等多任务场景。

背景与挑战

背景概述

该数据集由Electric Sheep Africa于2024年创建，聚焦非洲大陆家庭营养与粮食安全评估这一关键议题。基于FAO、WFP、UNICEF等权威机构数据，它系统整合了可用性、获取性、利用性和稳定性四大维度，旨在回应非洲约2.8亿营养不良人口及5800万发育迟缓儿童所面临的严峻挑战。通过合成10,000条涵盖20个国家的平衡样本，该数据集为机器学习驱动的粮食不安全预测、社会保护精准靶向及农业规划提供了标准化基准，填补了该领域可公开获取的高质量结构化数据的空白，对推动非洲地区可持续发展目标的相关研究具有重要支撑作用。

当前挑战

该数据集所解决的领域挑战在于，非洲粮食安全评估长期受困于季节性数据缺失、城市食物荒漠、现金转移效果不明及性别差异等研究空白，以及传统调查在时效性、覆盖度和成本上的局限性。构建过程中，为模拟真实世界异质性，需对高风险与低风险人群的分布进行精细采样并注入噪声以避免过拟合，同时通过泄露过滤确保类别纯净。此外，需确保国家权重符合流行病学分布、工程特征与原始变量间的相关性不产生信息重复，并在保持合成数据隐私性的同时，验证其统计分布能否有效匹配真实监测数据。

常用场景

经典使用场景

非洲营养与粮食安全数据集（africa-nutrition-food-security）涵盖了2019至2024年间来自20个非洲国家的10,000条合成家庭记录，核心用于训练和评估家庭层面粮食不安全状态的分类预测模型。该数据集包含40余个原始与工程化特征，如作物多样性指数、膳食多样性评分、市场距离、食品价格指数等，紧密结合了非洲农业以雨养为主、气候冲击频繁、社会保护依赖度高的现实背景，尤其适用于在样本均衡条件下进行二分类或多分类任务的基准测试。

实际应用

该数据集在众多实际场景中具备直接指导意义，能够辅助政府和非政府组织构建智能化社会保护系统。例如，利用模型预测结果优化现金转移支付的目标定位，在干旱或洪水频发区域提前识别粮食危机高风险社区；农业规划部门可依据农作韧性指数评估不同作物布局对家庭安全的影响；人道主义机构则可将膳食多样性评分等指标嵌入实时监测流程，动态调整紧急粮食援助的投放。这些应用共同推动数据驱动的粮食安全治理从被动响应走向前瞻性预防。

衍生相关工作

该数据集衍生出一系列前沿研究与实践工作，涵盖多任务学习框架下联合预测粮食安全等级与营养缺乏严重程度、基于生存分析建模家庭进入危机状态的过程轨迹，以及运用联邦学习在保护数据隐私前提下实现跨国家联合建模。此外，融入成本敏感学习与置信度校准的算法设计已被用于提升筛查工具的特异性与灵敏度，而基于SHAP和LIME的模型解释则帮助政策制定者厘清各风险因素的贡献权重。这些工作共同推动了非洲地区粮食安全数据科学与政策智能的交叉融合。