HathawayLiu/housing_dataset

该数据集包含了自2000年以来西雅图市所有已签发或正在进行的建筑许可证信息，并且随着时间推移不断更新。数据集包括许可证编号、类型、描述、预计项目成本、承包商信息等详细信息，并新增了基于地理位置的邻里区域列。数据集由西雅图政府授权，旨在促进透明度、公众意识和参与城市发展过程。

原始信息汇总

数据集概述

数据集描述

基本信息

• 语言: 英语
• 数据规模: 100K<n<1M
• 标签: 住房, 许可证, 西雅图

数据集特征

• PermitNum: 字符串
• PermitClass: 字符串
• PermitClassMapped: 字符串
• PermitTypeMapped: 字符串
• PermitTypeDesc: 字符串
• Description: 字符串
• HousingUnits: 整数
• HousingUnitsRemoved: 整数
• HousingUnitsAdded: 整数
• EstProjectCost: 浮点数
• AppliedDate: 字符串
• IssuedDate: 字符串
• ExpiresDate: 字符串
• CompletedDate: 字符串
• StatusCurrent: 字符串
• RelatedMup: 字符串
• OriginalAddress1: 字符串
• OriginalCity: 字符串
• OriginalState: 字符串
• OriginalZip: 整数
• ContractorCompanyName: 字符串
• Link: 字符串
• Latitude: 浮点数
• Longitude: 浮点数
• Location1: 字符串
• NeighborDistrict: 字符串

数据集分割

• 训练集: 97541个样本, 47214591字节
• 测试集: 24388个样本, 11802066字节

数据集大小

• 下载大小: 18076020字节
• 数据集大小: 59016657字节

数据集结构

配置

• 默认配置:
  • 训练集: data/train-*
  • 测试集: data/test-*

数据集列描述

• PermitNum: 许可证编号
• PermitClass: 许可证类别
• PermitClassMapped: 许可证类别映射
• PermitTypeMapped: 许可证类型映射
• PermitTypeDesc: 许可证类型描述
• Description: 工作描述
• HousingUnits: 住房单元数
• HousingUnitsRemoved: 移除的住房单元数
• HousingUnitsAdded: 增加的住房单元数
• EstProjectCost: 估计项目成本
• AppliedDate: 申请日期
• IssuedDate: 发放日期
• ExpiresDate: 到期日期
• CompletedDate: 完成日期
• StatusCurrent: 当前状态
• RelatedMup: 相关土地使用许可证
• OriginalAddress1: 原始地址
• OriginalCity: 原始城市
• OriginalState: 原始州
• OriginalZip: 原始邮编
• ContractorCompanyName: 承包商公司名称
• Link: 详细信息链接
• Latitude: 纬度
• Longitude: 经度
• Location1: 位置
• NeighborDistrict: 邻域区

数据集创建

数据收集和处理

• 数据来源: 西雅图政府开放数据门户
• 数据格式: CSV
• 数据处理步骤:
  1. 数据预处理
  2. 使用Google GeoCoding API填充OriginalZip列
  3. 使用GeoJSon文件分配邻域区
  4. 填充空白值为N/A
  5. 分割数据集为训练集和测试集

数据源生产者

• 数据源: 西雅图市，特别是其建筑和检查部门

偏差、风险和限制

技术限制

• 数据完整性: 可能不包括所有建筑许可证，尤其是旧记录
• 数据准确性: 可能存在错误或不一致
• 时效性: 数据可能不是实时更新

社会技术限制

• 隐私问题: 详细许可证数据可能用于推断私人信息
• 规划决策偏差: 数据可能用于加强城市规划中的现有偏见
• 技术熟练度依赖: 数据集的效用受用户解释和分析数据能力限制

偏差

• 仅反映许可建设: 数据集仅反映正式记录的开发，忽略非正式或未许可的建设

风险

• 滥用: 数据可能被用于不公平地针对特定社区或社区进行执法或政治原因

建议

• 交叉验证: 使用补充数据源进行更全面的视图
• 隐私和道德使用: 负责任地处理数据，尊重隐私并避免歧视性做法
• 数据清洗和验证: 定期更新和清洗数据集以保持准确性和可靠性