MikeGreen2710/location_extra_features_outlier_2tr7

---
dataset_info:
features:
- name: description
dtype: string
- name: house_front_std
dtype: float64
- name: road_wide_std
dtype: float64
- name: car_area_std
dtype: float64
- name: price_std
dtype: float64
- name: number_of_floors_std
dtype: float64
- name: street
dtype: string
- name: city
dtype: string
- name: district
dtype: string
- name: ward
dtype: string
- name: id
dtype: string
- name: title
dtype: string
- name: LAN
sequence: string
- name: overlapped
dtype: float64
- name: house_location
dtype: float64
- name: ngo
dtype: bool
- name: house_location_2
dtype: string
- name: address
dtype: string
- name: duong
dtype: bool
- name: house_front_std_is_filled
dtype: int64
- name: house_front_std_filled
dtype: float64
- name: house_front_std_normed
dtype: float64
- name: road_wide_std_is_filled
dtype: int64
- name: road_wide_std_filled
dtype: float64
- name: road_wide_std_normed
dtype: float64
- name: car_area_std_is_filled
dtype: int64
- name: car_area_std_filled
dtype: float64
- name: car_area_std_normed
dtype: float64
- name: price_std_is_filled
dtype: int64
- name: price_std_filled
dtype: float64
- name: price_std_normed
dtype: float64
- name: number_of_floors_std_is_filled
dtype: int64
- name: number_of_floors_std_filled
dtype: float64
- name: number_of_floors_std_normed
dtype: float64
- name: street_filled
dtype: string
- name: city_filled
dtype: string
- name: district_filled
dtype: string
- name: ward_filled
dtype: string
- name: price_median_by_location
dtype: float64
- name: price_median_by_location_normed
dtype: float64
- name: street_encoded
dtype: float64
- name: city_encoded
dtype: float64
- name: district_encoded
dtype: float64
- name: ward_encoded
dtype: float64
- name: street_encoded_normed
dtype: float64
- name: city_encoded_normed
dtype: float64
- name: district_encoded_normed
dtype: float64
- name: ward_encoded_normed
dtype: float64
- name: final_z_score
dtype: float64
- name: outlier
dtype: float64
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 3086999189
num_examples: 2718388
download_size: 1396537268
dataset_size: 3086999189
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

This dataset is primarily used for real estate analysis, including features such as house front standard, road width standard, car area standard, price standard, and geographical location information along with normalized features. The dataset is divided into a training set with 2,718,388 samples.

原始信息汇总

数据集特征概述

基本特征

• description: 字符串类型
• house_front_std: 标准化房屋正面宽度，浮点数类型
• road_wide_std: 标准化道路宽度，浮点数类型
• car_area_std: 标准化停车位面积，浮点数类型
• price_std: 标准化价格，浮点数类型
• number_of_floors_std: 标准化楼层数，浮点数类型
• street: 街道名称，字符串类型
• city: 城市名称，字符串类型
• district: 区名，字符串类型
• ward: 社区名，字符串类型
• id: 唯一标识符，字符串类型
• title: 标题，字符串类型
• LAN: 序列化字符串类型
• overlapped: 重叠情况，浮点数类型
• house_location: 房屋位置，浮点数类型
• ngo: 布尔类型
• house_location_2: 房屋位置2，字符串类型
• address: 完整地址，字符串类型
• duong: 布尔类型

标准化与填充特征

• house_front_std_is_filled: 房屋正面宽度是否填充，整数类型
• house_front_std_filled: 填充后的房屋正面宽度，浮点数类型
• house_front_std_normed: 标准化后的房屋正面宽度，浮点数类型
• road_wide_std_is_filled: 道路宽度是否填充，整数类型
• road_wide_std_filled: 填充后的道路宽度，浮点数类型
• road_wide_std_normed: 标准化后的道路宽度，浮点数类型
• car_area_std_is_filled: 停车位面积是否填充，整数类型
• car_area_std_filled: 填充后的停车位面积，浮点数类型
• car_area_std_normed: 标准化后的停车位面积，浮点数类型
• price_std_is_filled: 价格是否填充，整数类型
• price_std_filled: 填充后的价格，浮点数类型
• price_std_normed: 标准化后的价格，浮点数类型
• number_of_floors_std_is_filled: 楼层数是否填充，整数类型
• number_of_floors_std_filled: 填充后的楼层数，浮点数类型
• number_of_floors_std_normed: 标准化后的楼层数，浮点数类型

地址相关特征

• street_filled: 填充后的街道名称，字符串类型
• city_filled: 填充后的城市名称，字符串类型
• district_filled: 填充后的区名，字符串类型
• ward_filled: 填充后的社区名，字符串类型

价格与编码特征

• price_median_by_location: 按位置计算的价格中位数，浮点数类型
• price_median_by_location_normed: 标准化后的价格中位数，浮点数类型
• street_encoded: 街道编码，浮点数类型
• city_encoded: 城市编码，浮点数类型
• district_encoded: 区编码，浮点数类型
• ward_encoded: 社区编码，浮点数类型
• street_encoded_normed: 标准化后的街道编码，浮点数类型
• city_encoded_normed: 标准化后的城市编码，浮点数类型
• district_encoded_normed: 标准化后的区编码，浮点数类型
• ward_encoded_normed: 标准化后的社区编码，浮点数类型

其他特征

• final_z_score: 最终Z分数，浮点数类型
• outlier: 异常值标识，浮点数类型
• index_level_0: 索引级别0，整数类型

数据集分割

• train: 训练集，包含2718388个样本，数据大小为3086999189字节

数据集大小

• 下载大小: 1396537268字节
• 数据集大小: 3086999189字节