mstz/speeddating

Name: mstz/speeddating
Creator: mstz
Published: 2023-04-07 14:54:21
License: 暂无描述

Hugging Face2023-04-07 更新2024-03-04 收录

下载链接：

https://hf-mirror.com/datasets/mstz/speeddating

下载链接

链接失效反馈

官方服务：

资源简介：

Speed dating数据集来自OpenML，主要用于二分类任务，即判断两个人是否会约会。数据集的规模在1K到10K之间，包含多个特征，如性别、年龄、种族、兴趣等。

提供机构：

mstz

原始信息汇总

数据集概述

名称: Speed dating
标签:
- speeddating
- tabular_classification
- binary_classification
美观名称: Speed dating
大小分类: 1K<n<10K
任务分类: tabular-classification
配置: dating

配置与任务

配置	任务	描述
dating	Binary classification	Will the two date?

数据集特征

特征	类型
`is_dater_male`	`int8`
`dater_age`	`int8`
`dated_age`	`int8`
`age_difference`	`int8`
`dater_race`	`string`
`dated_race`	`string`
`are_same_race`	`int8`
`same_race_importance_for_dater`	`float64`
`same_religion_importance_for_dater`	`float64`
`attractiveness_importance_for_dated`	`float64`
`sincerity_importance_for_dated`	`float64`
`intelligence_importance_for_dated`	`float64`
`humor_importance_for_dated`	`float64`
`ambition_importance_for_dated`	`float64`
`shared_interests_importance_for_dated`	`float64`
`attractiveness_score_of_dater_from_dated`	`float64`
`sincerity_score_of_dater_from_dated`	`float64`
`intelligence_score_of_dater_from_dated`	`float64`
`humor_score_of_dater_from_dated`	`float64`
`ambition_score_of_dater_from_dated`	`float64`
`shared_interests_score_of_dater_from_dated`	`float64`
`attractiveness_importance_for_dater`	`float64`
`sincerity_importance_for_dater`	`float64`
`intelligence_importance_for_dater`	`float64`
`humor_importance_for_dater`	`float64`
`ambition_importance_for_dater`	`float64`
`shared_interests_importance_for_dater`	`float64`
`self_reported_attractiveness_of_dater`	`float64`
`self_reported_sincerity_of_dater`	`float64`
`self_reported_intelligence_of_dater`	`float64`
`self_reported_humor_of_dater`	`float64`
`self_reported_ambition_of_dater`	`float64`
`reported_attractiveness_of_dated_from_dater`	`float64`
`reported_sincerity_of_dated_from_dater`	`float64`
`reported_intelligence_of_dated_from_dater`	`float64`
`reported_humor_of_dated_from_dater`	`float64`
`reported_ambition_of_dated_from_dater`	`float64`
`reported_shared_interests_of_dated_from_dater`	`float64`
`dater_interest_in_sports`	`float64`
`dater_interest_in_tvsports`	`float64`
`dater_interest_in_exercise`	`float64`
`dater_interest_in_dining`	`float64`
`dater_interest_in_museums`	`float64`
`dater_interest_in_art`	`float64`
`dater_interest_in_hiking`	`float64`
`dater_interest_in_gaming`	`float64`
`dater_interest_in_clubbing`	`float64`
`dater_interest_in_reading`	`float64`
`dater_interest_in_tv`	`float64`
`dater_interest_in_theater`	`float64`
`dater_interest_in_movies`	`float64`
`dater_interest_in_concerts`	`float64`
`dater_interest_in_music`	`float64`
`dater_interest_in_shopping`	`float64`
`dater_interest_in_yoga`	`float64`
`interests_correlation`	`float64`
`expected_satisfaction_of_dater`	`float64`
`expected_number_of_likes_of_dater_from_20_people`	`int8`
`expected_number_of_dates_for_dater`	`int8`
`dater_liked_dated`	`float64`
`probability_dated_wants_to_date`	`float64`
`already_met_before`	`int8`
`dater_wants_to_date`	`int8`
`dated_wants_to_date`	`int8`

搜集汇总

数据集介绍

构建方式

该数据集以速度约会为背景，采集了参与者的个人信息、兴趣爱好以及双方互相打分等数据，构建了一个包含多种特征属性的表格型数据集，旨在为二分类任务提供支持，即判断双方是否有继续约会的意愿。

特点

数据集涵盖了两千多对约会者的信息，包含性别、年龄、种族、宗教信仰、个人特质重要性评分、自我报告特质评分、对方特质评分、兴趣爱好等多个维度的信息。其特征类型丰富，既有数值型也有分类型，为研究人际交往中的匹配度提供了丰富的数据资源。

使用方法

使用该数据集时，可以通过Hugging Face的datasets库直接加载。加载后，用户将得到训练集和测试集，其中包含了所有的特征以及标签信息。用户可以根据具体的任务需求，对数据进行预处理和模型训练，进而评估模型在预测约会双方是否愿意继续交往方面的性能。

背景与挑战

背景概述

Speed dating数据集，源于社会心理学领域，旨在研究人际交往与配对行为。该数据集由Michael Steiner和同事们在21世纪初创建，依托于Speed Dating实验，通过收集参与者在约会中的行为和偏好数据，探究影响人际吸引与配对成功的因素。数据集涵盖了一系列个人特征、自我评价、对方评价以及配对结果等信息，为研究提供了宝贵的实证资料。Speed dating数据集的出现，为社会心理学、行为经济学等领域的研究提供了新的视角和数据支持，推动了相关研究的进展。

当前挑战

该数据集在构建和应用过程中面临的主要挑战包括：1)领域问题挑战：如何通过数据分析准确预测两个人是否可能成为约会对象，涉及复杂的心理和行为模式的建模；2)构建挑战：数据的收集过程中需确保参与者的隐私保护，同时要处理可能存在的数据偏差和缺失值问题。这些挑战不仅考验着数据集的质量，也对研究者的数据处理和分析能力提出了更高的要求。

常用场景

经典使用场景

在社会科学与人机交互领域，mstz/speeddating数据集常被用于研究约会匹配的预测模型。该数据集通过收集速配活动中参与者的个人特征及其对潜在约会对象的偏好，为研究人员提供了一个独特的机会，以探索影响双方是否愿意约会的多种因素。

衍生相关工作

基于mstz/speeddating数据集，研究者们已经衍生出一系列相关工作，包括构建预测模型来识别配对成功的可能性，以及探索不同文化背景下约会偏好的差异。这些研究不仅推动了社会科学的理论发展，也为实际应用提供了理论基础和技术支持。

数据集最近研究