stepp1/is_sparse_5d

---
license: mit
task_categories:
- tabular-classification
language:
- en
tags:
- synthetic
- sparse-learning
- classification
size_categories:
- 100K<n<1M
---

# is_sparse/sparse5d

## Dataset Description

This is a synthetic 5-dimensional classification dataset designed for sparse learning research.
The dataset contains 3 classes and is specifically designed to have sparse optimal representations,
where only a subset of features are informative for the classification task.

### Dataset Summary

- **Variant**: sparse5d
- **Features**: 5 continuous features
- **Classes**: 3
- **Entropy(Y)**: 1.4855
- **Mutual Information (joint)**: 1.1819
- **Maximum Achievable Accuracy**: 0.8967

## Dataset Structure

### Data Instances

Each instance consists of:
- `data`: A 5-dimensional feature vector (float32)
- `label`: An integer class label (0, 1, or 2)

### Data Splits

| Split | Number of Instances |
|-------|---------------------|
| Train | Variable (see below) |
| Test | Variable (see below) |

## Dataset Creation

This dataset was synthetically generated for research on sparse learning and optimal feature selection.
The mutual information values between feature subsets and labels are provided in the metadata.

### Mutual Information Structure

The dataset includes ground-truth mutual information values for various feature subsets, enabling:
- Feature importance analysis
- Information-theoretic learning algorithms
- Benchmarking of MI estimation methods

Key MI values:
- joint: 1.1819
- 1: 0.3273
- 1-2: 0.3273
- 1-2-3: 0.6634
- 1-2-3-4: 0.6634
- 1-2-3-4-5: 1.1819
- 1-2-3-5: 1.1819
- 1-2-4: 0.3273
- 1-2-4-5: 1.0492
- 1-2-5: 1.0492

## Citation

If you use this dataset, please cite the associated research paper (to be added).

## License

MIT License

license: mit
任务类别：
- 表格分类（tabular-classification）
语言：
- 英语
标签：
- 合成数据集（synthetic）
- 稀疏学习（sparse-learning）
- 分类
样本量范围：
- 100K<n<1M

# is_sparse/sparse5d

## 数据集描述

本数据集为专为稀疏学习（sparse-learning）研究设计的合成五维分类数据集。该数据集包含3个类别，其核心设计目标是生成具备稀疏最优表征的样本，即仅存在部分特征对分类任务具备信息价值。

### 数据集摘要

- **变体名称**：sparse5d
- **特征维度**：5个连续型特征
- **类别数**：3
- **标签熵（Entropy(Y)）**：1.4855
- **联合互信息（Mutual Information (joint)）**：1.1819
- **最高可达准确率**：0.8967

## 数据集结构

### 数据实例

每条数据样本包含以下字段：
- `data`：5维特征向量（32位浮点型（float32））
- `label`：整数类型类别标签，取值为0、1或2

### 数据划分

| 划分集 | 样本数量 |
|-------|---------------------|
| 训练集 | 可变（详见下文） |
| 测试集 | 可变（详见下文） |

## 数据集创建

本数据集为支持稀疏学习（sparse-learning）与最优特征选择研究而合成生成。元数据中已提供特征子集与标签间的互信息数值。

### 互信息结构

本数据集包含各类特征子集的真实互信息数值，可用于：
- 特征重要性分析
- 信息论驱动的学习算法研究
- 互信息估计方法的基准测试

关键互信息数值：
- 联合互信息：1.1819
- 特征1：0.3273
- 特征1-2：0.3273
- 特征1-2-3：0.6634
- 特征1-2-3-4：0.6634
- 特征1-2-3-4-5：1.1819
- 特征1-2-3-5：1.1819
- 特征1-2-4：0.3273
- 特征1-2-4-5：1.0492
- 特征1-2-5：1.0492

## 引用

若使用本数据集，请引用关联的研究论文（待补充）。

## 许可证

MIT许可证