Description of the German credit da

Description of the German credit dataset.

1. Title: German Credit data

2. Source Information

Professor Dr. Hans Hofmann
Institut f"ur Statistik und "Okonometrie
Universit"at Hamburg
FB Wirtschaftswissenschaften
Von-Melle-Park 5
2000 Hamburg 13

3. Number of Instances: 1000

Two datasets are provided. the original dataset, in the form provided
by Prof. Hofmann, contains categorical/symbolic attributes and
is in the file "german.data".

For algorithms that need numerical attributes, Strathclyde University
produced the file "german.data-numeric". This file has been edited
and several indicator variables added to make it suitable for
algorithms which cannot cope with categorical variables. Several
attributes that are ordered categorical (such as attribute 17) have
been coded as integer. This was the form used by StatLog.


6. Number of Attributes german: 20 (7 numerical, 13 categorical)
Number of Attributes german.numer: 24 (24 numerical)


7. Attribute description for german

Attribute 1: (qualitative)
Status of existing checking account
A11 : ... < 0 DM
A12 : 0 = 200 DM /
salary assignments for at least 1 year
A14 : no checking account

Attribute 2: (numerical)
Duration in month

Attribute 3: (qualitative)
Credit history
A30 : no credits taken/
all credits paid back duly
A31 : all credits at this bank paid back duly
A32 : existing credits paid back duly till now
A33 : delay in paying off in the past
A34 : critical account/
other credits existing (not at this bank)

Attribute 4: (qualitative)
Purpose
A40 : car (new)
A41 : car (used)
A42 : furniture/equipment
A43 : radio/television
A44 : domestic appliances
A45 : repairs
A46 : education
A47 : (vacation - does not exist?)
A48 : retraining
A49 : business
A410 : others

Attribute 5: (numerical)
Credit amount

Attibute 6: (qualitative)
Savings account/bonds
A61 : ... < 100 DM
A62 : 100

ผลลัพธ์ (ไทย) 1:

คำอธิบายของชุดข้อมูลเครดิตเยอรมัน1. ชื่อเรื่อง: ข้อมูลเครดิตเยอรมัน2. แหล่งข้อมูลดร.ฮันส์ Hofmann สถาบัน f "ของคุณ Statistik แดน"Okonometrie Universit "ที่ฮัมบูร์ก FB Wirtschaftswissenschaften ฟอน-Melle-สวน 5 ฮัมบูร์ก 2000 13 3. หมายเลขของอินสแตนซ์: 1000มี datasets สอง ชุดข้อมูลเดิม ในแบบฟอร์มให้โดยศาสตราจารย์ Hofmann ประกอบด้วยแอตทริบิวต์ที่แน่ชัด/สัญลักษณ์ และอยู่ในแฟ้ม "german.data" สำหรับอัลกอริทึมที่ต้องแอตทริบิวต์เลข มหาวิทยาลัยธไคลด์ ผลิตแฟ้ม "german.data ตัวเลข" แฟ้มนี้ได้ถูกแก้ไข และตัวแปรหลายตัวบ่งชี้เพิ่มให้เหมาะสม อัลกอริทึมที่ไม่สามารถรับมือกับตัวแปรที่แน่ชัด หลายมีคุณลักษณะที่มีสั่งแน่ชัด (เช่นแอททริบิวต์ 17)การเข้ารหัสเป็นเลขจำนวนเต็ม นี่คือแบบฟอร์มที่ใช้ โดย StatLog6. หมายเลขของแอตทริบิวต์เยอรมัน: 20 (7 เลข 13 แน่ชัด) หมายเลขของแอตทริบิวต์ german.numer: 24 (24 เป็นตัวเลข)7. แสดงคำอธิบายสำหรับภาษาเยอรมันแอททริบิวต์ 1: (เชิงคุณภาพ) สถานะของบัญชีกระแสรายวันอยู่ A11:... < 0 DM A12: 0 < < 200 DM... = A13:... > = DM 200 / กำหนดเงินเดือนอย่างน้อย 1 ปี A14: ไม่ตรวจสอบบัญชีคุณลักษณะที่ 2: (เลข) ระยะเวลาในเดือนคุณลักษณะที่ 3: (เชิงคุณภาพ) ประวัติเครดิต A30: ไม่มีเครดิตมา / หน่วยกิตทั้งหมดที่จ่ายไปดูแล A31: เครดิตทั้งหมดที่ธนาคารนี้ชำระกลับไปดูแล A32: เครดิตที่มีอยู่ชำระกลับไปดูแลจนถึงปัจจุบัน A33: การหน่วงเวลาในการไถ่ในอดีต A34: บัญชีสำคัญ / เครดิตอื่น ๆ ที่มีอยู่ (ไม่ได้อยู่ที่ธนาคารนี้)คุณลักษณะที่ 4: (เชิงคุณภาพ) วัตถุประสงค์ A40: รถ (ใหม่) เก็บ A41: รถ (ใช้) A42: เฟอร์นิเจอร์/อุปกรณ์ A43: วิทยุ/โทรทัศน์ A44: เครื่องใช้ไฟฟ้าภายในประเทศ A45: ซ่อมแซม A46: ศึกษา A47: (พัก - ไม่มี) A48: retraining A49: ธุรกิจ A410: อื่น ๆคุณลักษณะที่ 5: (เลข) ยอดเงินเครดิตAttibute ที่ 6: (เชิงคุณภาพ) บัญชีออมทรัพย์/พันธบัตร A61:... < 100 DM A62: 100 < < DM 500... = A63: 500 < < 1000 DM... = A64: ... > = 1000 DM A65: ไม่ทราบ / ไม่มีบัญชีเงินฝากออมทรัพย์คุณลักษณะที่ 7: (เชิงคุณภาพ) งานมีตั้งแต่ A71: คนตกงาน A72:... < 1 ปี A73: 1 < =... < 4 ปี เอ 74: 4 < =... < 7 ปี A75: ... > = 7 ปีคุณลักษณะที่ 8: (เลข) อัตราการผ่อนชำระเป็นเปอร์เซ็นต์ของรายได้แอตทริบิวต์ 9: (เชิงคุณภาพ) สถานะส่วนตัวและเพศ A91: เพศชาย: หย่าแล้ว/คั่น A92: หญิง: หย่าแล้ว/แยก/แต่งงาน A93: เพศชาย: เดียว A94: เพศชาย: แต่ง งาน/widowed A95: หญิง: เดียวแอตทริบิวต์ 10: (เชิงคุณภาพ) ลูกหนี้อื่น ๆ / guarantors A101: ไม่มี A102: ผู้สมัครร่วม A103: ผู้ค้ำประกันคุณลักษณะที่ 11: (เลข) เรสซิเดนซ์อยู่ตั้งแต่คุณลักษณะที่ 12: (เชิงคุณภาพ) คุณสมบัติ A121: อสังหาริมทรัพย์ A122: ถ้าไม่ A121: สังคมอาคารประหยัดข้อตกลง / ประกันชีวิต A123: ถ้าไม่ A121/A122: รถหรืออื่น ๆ ไม่อยู่ในแอตทริบิวต์ 6 A124: ไม่ทราบ / ไม่มีคุณสมบัติคุณลักษณะที่ 13: (เลข) อายุในปีคุณลักษณะที่ 14: (เชิงคุณภาพ) แผนผ่อนชำระอื่น ๆ A141: ธนาคาร A142: เก็บ A143: ไม่มีคุณลักษณะที่ 15: (เชิงคุณภาพ) อยู่อาศัย A151: ให้เช่า A152: เอง A153: สำหรับฟรีคุณลักษณะที่ 16: (เลข) จำนวนหน่วยกิตที่มีอยู่ในธนาคารนี้คุณลักษณะที่ 17: (เชิงคุณภาพ) งาน A171: คนตกงาน/ งาน - ไม่มี A172: งาน - ประจำ A173: พนักงานมีทักษะ / ทาง A174: บริหาร / เจ้าของธุรกิจ / พนักงานที่มีคุณภาพสูง / เจ้าหน้าที่คุณลักษณะที่ 18: (เลข) จำนวนคนรับผิดชอบเพื่อให้การบำรุงรักษาแอตทริบิวต์ 19: (เชิงคุณภาพ) โทรศัพท์ A191: ไม่มี A192: ใช่ ลงทะเบียนภายใต้ชื่อลูกค้าคุณลักษณะที่ 20: (เชิงคุณภาพ) ผู้ปฏิบัติงานต่างประเทศ A201: ใช่ A202: ไม่8. ต้นทุนเมตริกซ์ชุดข้อมูลนี้จำเป็นต้องใช้ต้นทุนเมทริกซ์ (ดูด้านล่าง) 1 2---------------------------- 1 0 1----------------------- 2 5 0(1 =ดี 2 =ไม่ดี)แถวแสดงการจัดประเภทจริงและคอลัมน์การจัดประเภทที่คาดการณ์จะลงเรียนลูกค้าเป็นดีเมื่อพวกเขาจะไม่ดี (5), ที่จะเรียนลูกค้าเสียเป็นเวลาดี (1)

ผลลัพธ์ (ไทย) 2:

คำอธิบายของชุดข้อมูลเครดิตเยอรมัน. 1 ชื่อเรื่อง: ข้อมูลเครดิตเยอรมัน2 แหล่งที่มาของข้อมูลศาสตราจารย์ดร. ฮันส์ Hofmann สถาบันฉ "Statistik คาดไม่ถึงครับ" Okonometrie Universit "ที่ฮัมบูร์กFB Wirtschaftswissenschaften Von-Melle-Park 5 2000 ฮัมบูร์ก 13 3. จำนวนอินสแตนซ์1000. สองชุดข้อมูลที่มีให้ชุดข้อมูลเดิมในรูปแบบที่มีให้ โดยศ Hofmann มีเด็ดขาด / คุณลักษณะสัญลักษณ์และอยู่ในไฟล์"german.data". สำหรับขั้นตอนวิธีการที่จำเป็นต้องคุณลักษณะตัวเลข Strathclyde มหาวิทยาลัยผลิตไฟล์"german.data ตัวเลข". ไฟล์นี้จะได้รับการแก้ไขและตัวแปรหลายตัวบ่งชี้เพิ่มที่จะทำให้มันเหมาะสำหรับ. ขั้นตอนวิธีการที่ไม่สามารถรับมือกับตัวแปรเด็ดขาดหลายคุณลักษณะที่มีคำสั่งเด็ดขาด(เช่นแอตทริบิวต์ 17) ได้. ถูกกำหนดเป็นจำนวนเต็มนี้เป็นรูปแบบที่ใช้โดย StatLog. 6 จำนวนแอตทริบิวต์เยอรมัน: 20 (7 ตัวเลข 13 เด็ดขาด) จำนวนคุณสมบัติ german.numer: 24 (24 ตัวเลข) 7. คำอธิบายคุณสมบัติสำหรับเยอรมันแอตทริบิวต์ที่1: (คุณภาพ) สถานะของการตรวจสอบที่มีอยู่ในบัญชีA11 ... <0 DM A12: 0 <= ... <200 DM A13 ... > = 200 DM / การกำหนดเงินเดือนเป็นเวลาอย่างน้อย 1 ปีA14: ไม่มีการตรวจสอบบัญชีแอตทริบิวต์ที่2: (ตัวเลข) ระยะเวลาในเดือนแอตทริบิวต์ที่ 3: (คุณภาพ) ประวัติเครดิต A30: สินเชื่อไม่มีการดำเนินการ / เครดิตทั้งหมด เงินกลับรับรองสำเนาถูกต้องA31: เครดิตทั้งหมดที่ธนาคารนี้จ่ายกลับรับรองสำเนาถูกต้อง A32: สินเชื่อที่มีอยู่เงินกลับรับรองสำเนาถูกต้องจนถึงขณะนี้A33: ความล่าช้าในการจ่ายเงินออกในอดีต A34: บัญชีที่สำคัญ / สินเชื่ออื่น ๆ ที่มีอยู่ (ไม่ได้อยู่ที่ธนาคารนี้) แอตทริบิวต์ที่ 4: (คุณภาพ ) วัตถุประสงค์ A40: รถยนต์ (ใหม่) A41: รถยนต์ (ใช้) A42: เฟอร์นิเจอร์ / อุปกรณ์ A43: วิทยุ / โทรทัศน์ A44: เครื่องใช้ภายในประเทศ A45: ซ่อมแซม A46: การศึกษา A47 (วันหยุด - ไม่อยู่)? A48: ฝึกอบรม A49 ธุรกิจ A410: อื่น ๆ5 คุณสมบัติ (ตัวเลข) จำนวนเงินเครดิตAttibute 6: (คุณภาพ) บัญชีเงินฝากออมทรัพย์ / พันธบัตร A61 ... <100 DM A62: 100 <= ... <500 DM A63: 500 <= ... <1000 DM A64: .. > = 1000 DM A65: ไม่ทราบ / ไม่มีเงินฝากออมทรัพย์บัญชีแอตทริบิวต์ที่7: (คุณภาพ) การจ้างงานปัจจุบันตั้งแต่ A71: ว่างงาน A72 ... <1 ปี A73: 1 <= ... <4 ปี A74: 4 <= ... <7 ปี A75: .. > = 7 ปีแอตทริบิวต์ที่8: (ตัวเลข) อัตราการผ่อนชำระในอัตราร้อยละของรายได้ทิ้งแอตทริบิวต์ที่ 9: (คุณภาพ) สถานะบุคคลและเพศ A91: ชาย: หย่าร้าง / แยก A92: หญิง: หย่าร้าง / แยก / แต่งงานA93: ชาย: เดียว A94: ชาย: แต่งงาน / ม่าย A95: หญิง: เดียวแอตทริบิวต์ที่10: (คุณภาพ) ลูกหนี้อื่น / ผู้ค้ำประกัน A101: ไม่มี A102: ร่วมสมัคร A103: ค้ำประกันคุณสมบัติ11: (ตัวเลข) ปัจจุบัน ที่อยู่อาศัยตั้งแต่แอตทริบิวต์12: (คุณภาพ) ทรัพย์สิน A121: อสังหาริมทรัพย์ A122: หากไม่ A121: การสร้างสังคมข้อตกลงเงินฝากออมทรัพย์ / ประกันชีวิตA123: หากไม่ A121 / A122: รถหรืออื่น ๆ ที่ไม่ได้อยู่ในแอตทริบิวต์ 6 A124: ไม่ทราบ / ไม่มีสถานที่ให้คุณสมบัติ13 (ตัวเลข) อายุในปีที่ผ่านคุณสมบัติ 14: (คุณภาพ) ผ่อนชำระอื่น ๆ A141: ธนาคาร A142: ร้านค้า A143: ไม่มีคุณสมบัติ15: (คุณภาพ) ที่อยู่อาศัย A151: เช่า A152: ตัวเอง A153: ฟรีคุณสมบัติ16: (ตัวเลข) จำนวน สินเชื่อที่มีอยู่ในธนาคารนี้คุณสมบัติ17: (คุณภาพ) งาน A171: ว่างงาน / ไร้ฝีมือ - Non-resident A172: ไร้ฝีมือ - ถิ่นที่อยู่ A173: มีทักษะการทำงานของพนักงาน / อย่างเป็นทางการ A174: การบริหารจัดการ / อาชีพอิสระ / ที่มีคุณภาพสูงของพนักงาน / เจ้าหน้าที่Attribute 18: (ตัวเลข ) จำนวนของคนที่เป็นแนวโน้มที่จะให้การบำรุงรักษาสำหรับแอตทริบิวต์ 19: (คุณภาพ) โทรศัพท์ A191: ไม่มี A192: ใช่จดทะเบียนภายใต้ชื่อลูกค้าคุณสมบัติ20: (คุณภาพ) แรงงานต่างชาติ A201: ใช่ A202: ไม่มี8 เมทริกซ์ค่าใช้จ่ายชุดนี้ต้องใช้ค่าใช้จ่ายแมทริกซ์ (ดูด้านล่าง) 1 2 ---------------------------- 1 0 1 --- -------------------- 2 5 0 (1 = ดี, 2 = แย่) แถวแทนการจัดหมวดหมู่ที่เกิดขึ้นจริงและคอลัมน์การจัดหมวดหมู่ที่คาดการณ์ไว้. มันจะเลวร้ายยิ่งในชั้นเรียน เป็นลูกค้าที่ดีเมื่อพวกเขาจะไม่ดี (5), กว่าก็คือการเรียนของลูกค้าเป็นที่ไม่ดีเมื่อพวกเขาเป็นสิ่งที่ดี (1)

ผลลัพธ์ (ไทย) 3:

摘要dataset德国的信用。标题：德国信用数据1。2源信息。Hofmann教授汉斯博士。你的美”和“Okonometrie Statistik f在Universit汉堡。”Wirtschaftswissenschaften FB。Von-Melle-Park 513 2000汉堡第一：1000 Instances 3）。二是provided datasets。原始的形式，在provided datasetHofmann教授，通过分类属性和/ symbolic contains是在german.data文件“”。这需要对算法的属性，numerical斯特拉思克莱德大学produced的文件“file”，这已被german.data-numeric edited。该指示器和several说让它到suitable for该算法不能应对这Several与分类。这是这样的属性作为分类属性（点了17）？这是被编码为整数规划形式。通过StatLog赢得的。德国的Attributes 6。第一，13 numerical 7：20（分类）。数的Attributes german.numer 24 24 numerical（）：7属性描述为德国。属性：（1）定性existing帐户状态的检查A14 : DM。< 0A12：0 < = < 200 DM。规则：200…> = DM /至少1年在salary assignments forA14：无检查帐户属性：（numerical 2）在一个持续时间属性：3（定性）。信用历史credits taken / A30：无所有正式credits后支付在这credits：所有无人机后正式银行支付支付：existing后正式A32 credits直到现在在paying A33：延迟在过去了A34 /关键帐户：在这credits existing其他银行（不）属性：4（定性）。目的A40车（new）：四：车（使用时）A42家具/设备：A43 / television（的）A44国内设备：repairs A45：A46：教育我不A47生存vacation -（？）retraining A48：A49：商业A410：他人属性：（numerical 5）amount信用6 Attibute（定性）。储蓄帐户/债券A61：100 DM。A62：100 < = < 500 DM。A63：500 < = < 1000 DM。A64 > = 1000 DM。不黑白：未知的帐户了属性：7（定性）。目前employment自unemployed A71：A72 < 1年。A73：1 < = < 4年…A74：4 < = < 7年…A75 > = 7年。属性：（numerical 8）在一次性的收入，Installment率属性：9（定性）。个人和性。男：divorced / separated A91：A92：女：divorced / / separated结婚男：A93单：男：A94 / widowed结婚：女：A95单：属性：10（定性）。在debtors / guarantorsA101：无co-applicant A102：guarantor A103：属性：（numerical 11）从目前的停留属性：12（定性）。房地产A121：房地产价格如果不A122：学会了：建筑/ A121协议生命保险如果不A122 A123 A121 /：：汽车或其他，不在6属性。未知的属性A124 / NO：属性：（numerical 13）在年的时代属性：14（定性）。在installment plansA141：银行。stores A142：A143：无属性：15（定性）。外壳A151：租金。A152：自己A153：为自由属性：（numerical 16）在这credits（existing第一银行属性：17（定性）。工作A171 unskilled non-resident unemployed /：-A172 unskilled居民：如：A173 /官方技术A174：self-employed /管理/长官，高度合格的员工.属性：（numerical 18）数人到院，提供liable被维护属性：19（定性）。电话A191：无A192注册客户：是的，下表属性：20（定性）。worker系A201：是的A202：无8成本矩阵。这是一个dataset使用成本requires矩阵（见下面）。1 2它1。0 1-----------------------2 5 0（1）2 = =好的，坏的一个实际的rows COLUMNS和分类predicted分类的。这是一个worse class Customer一样好时坏，他们是5）（这是一个比他们为坏客户类（1）都是好的。