斯堪尼亚卡车APS故障和运行数据集

Data Set Information: 该文件是斯堪尼亚卡车APS故障和运行数据的一部分。 Attribute Information: 由于专有原因，数据的属性名称已匿名化。它由单个数字计数器和由不同条件的箱子组成的直方图组成。通常，直方图在每一端都有开放的条件。例如，如果我们测量环境温度“T”，则直方图可以定义为4个箱子，其中： 箱1收集温度T<-20的值 箱2收集温度T>=-20和T<0的值 箱3收集温度T>=0和T<20的值 箱4收集温度T>20时的值 | b1 | b2 | b3 | b4 | ----------------------------- -20 0 20 属性如下：类，然后是匿名操作数据。操作数据具有标识符和bin id，如“标识符\ bin”。总共有171个属性，其中7个是直方图变量。缺少的值用“na”表示。 Relevant Papers: Costa C.F., Nascimento M.A. (2016) IDA 2016 Industrial Challenge: Using Machine Learning for Predicting Failures. In: Bostr??m H., Knobbe A., Soares C., Papapetrou P. (eds) Advances in Intelligent Data Analysis XV. IDA 2016. Lecture Notes in Computer Science, vol 9897. Springer, Cham Gondek C., Hafner D., Sampson O.R. (2016) Prediction of Failures in the Air Pressure System of Scania Trucks Using a Random Forest and Feature Engineering. In: Bostr??m H., Knobbe A., Soares C., Papapetrou P. (eds) Advances in Intelligent Data Analysis XV. IDA 2016. Lecture Notes in Computer Science, vol 9897. Springer, Cham Cerqueira V., Pinto F., S?? C., Soares C. (2016) Combining Boosted Trees with metafeature Engineering for Predictive Maintenance. In: Bostr??m H., Knobbe A., Soares C., Papapetrou P. (eds) Advances in Intelligent Data Analysis XV. IDA 2016. Lecture Notes in Computer Science, vol 9897. Springer, Cham Ozan E.C., Riabchenko E., Kiranyaz S., Gabbouj M. (2016) An Optimized k-NN Approach for Classification on Imbalanced Datasets with Missing Data. In: Bostr??m H., Knobbe A., Soares C., Papapetrou P. (eds) Advances in Intelligent Data Analysis XV. IDA 2016. Lecture Notes in Computer Science, vol 9897. Springer, Cham

数据集信息：该文件为斯堪尼亚卡车空气压力系统（Air Pressure System，简称APS）故障与运行数据集的一部分。
属性信息：由于商业保密原因，本数据集的属性名称已完成匿名化处理。数据集包含单一数字计数器与按不同条件分箱构建的直方图数据，此类直方图的两端通常均为开放区间。举例来说，若测量环境温度T，可将其划分为4个分箱：箱1收录温度T < -20的样本，箱2收录满足-20 ≤ T < 0的样本，箱3收录满足0 ≤ T < 20的样本，箱4收录T > 20的样本。分箱分界示意如下：
| b1 | b2 | b3 | b4 |
分界点依次为-20、0、20。
数据集的属性结构如下：首列为类别标签，后续均为匿名化的运行数据。运行数据采用「标识符分箱编号」的格式进行命名。本数据集总计包含171个属性，其中7个为直方图变量。缺失值以「na」标识。
相关研究文献：
1. Costa C.F.、Nascimento M.A.（2016）：IDA 2016工业挑战赛：利用机器学习实现故障预测. 收录于：Boström H.、Knobbe A.、Soares C.、Papapetrou P. 主编《智能数据分析进展 第15届国际智能数据分析会议（IDA 2016）论文集》，《计算机科学讲座文集》第9897卷，施普林格（Springer）出版社，尚贝里（Cham）
2. Gondek C.、Hafner D.、Sampson O.R.（2016）：基于随机森林与特征工程的斯堪尼亚卡车空气压力系统故障预测. 同上会议论文集
3. Cerqueira V.、Pinto F.、Sá C.、Soares C.（2016）：结合提升树与元特征工程的预测性维护方法. 同上会议论文集
4. Ozan E.C.、Riabchenko E.、Kiranyaz S.、Gabbouj M.（2016）：面向含缺失值不平衡数据集的优化k近邻分类方法. 同上会议论文集

搜集汇总

背景与挑战

背景概述

该数据集包含斯堪尼亚卡车APS系统的故障和运行数据，属性名称被匿名化，包含171个属性（7个为直方图变量），用于预测故障。数据集与多篇关于机器学习和故障预测的论文相关。