pinguins

• Descrição :

Medições para três espécies de pinguins observadas no Arquipélago Palmer, Antártica.

Esses dados foram coletados de 2007-2009 pela Dra. Kristen Gorman com o Programa de Pesquisa Ecológica de Longo Prazo da Estação Palmer , parte da Rede de Pesquisa Ecológica de Longo Prazo dos EUA . Os dados foram originalmente importados do Portal de Dados da Iniciativa de Dados Ambientais (EDI) e estão disponíveis para uso pela licença CC0 ("Sem Direitos Reservados") de acordo com a Política de Dados da Palmer Station. Esta cópia foi importada do repositório GitHub de Allison Horst .

• Página inicial : https://allisonhorst.github.io/palmerpenguins/

• Código -fonte: tfds.datasets.penguins.Builder

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Cache automático ( documentação ): Sim

• Figura ( tfds.show_examples ): Não compatível.

• Citação :

@Manual{,
  title = {palmerpenguins: Palmer Archipelago (Antarctica) penguin data},
  author = {Allison Marie Horst and Alison Presmanes Hill and Kristen B Gorman},
  year = {2020},
  note = {R package version 0.1.0},
  doi = {10.5281/zenodo.3960218},
  url = {https://allisonhorst.github.io/palmerpenguins/},
}

pinguins/processado (configuração padrão)

• Descrição da configuração : penguins/processed é um substituto para o conjunto de dados da iris . Ele contém 4 recursos numéricos normalizados apresentados como um único tensor, sem valores ausentes e o rótulo da classe (espécie) é apresentado como um número inteiro (n = 334).

• Tamanho do download : 25.05 KiB

• Tamanho do conjunto de dados : 17.61 KiB

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'features': Tensor(shape=(4,), dtype=float32),
    'species': ClassLabel(shape=(), dtype=int64, num_classes=3),
})

• Documentação do recurso:

• Chaves supervisionadas (ver as_supervised doc ): ('features', 'species')

• Exemplos ( tfds.as_dataframe ):

pinguins/simples

• Descrição da configuração : penguins/simple foi processado a partir do conjunto de dados brutos, com rótulos de classe simplificados derivados de campos de texto, valores ausentes marcados como NaN/NA e retém apenas 7 recursos significativos (n = 344).

• Tamanho do download : 13.20 KiB

• Tamanho do conjunto de dados : 56.10 KiB

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'body_mass_g': float32,
    'culmen_depth_mm': float32,
    'culmen_length_mm': float32,
    'flipper_length_mm': float32,
    'island': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'sex': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'species': ClassLabel(shape=(), dtype=int64, num_classes=3),
})

• Documentação do recurso:

• Chaves supervisionadas (Consulte as_supervised doc ): ({'body_mass_g': 'body_mass_g', 'culmen_depth_mm': 'culmen_depth_mm', 'culmen_length_mm': 'culmen_length_mm', 'flipper_length_mm': 'flipper_length_mm', 'island': 'island', 'sex': 'sex', 'species': 'species'}, 'species')

• Exemplos ( tfds.as_dataframe ):

pinguins/cru

• Descrição da configuração : penguins/raw é a cópia original e não processada de @allisonhorst, contendo todos os 17 recursos, apresentados como tipos numéricos ou como texto bruto (n = 344).

• Tamanho do download : 49.72 KiB

• Tamanho do conjunto de dados : 164.51 KiB

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'Body Mass (g)': float32,
    'Clutch Completion': Text(shape=(), dtype=string),
    'Comments': Text(shape=(), dtype=string),
    'Culmen Depth (mm)': float32,
    'Culmen Length (mm)': float32,
    'Date Egg': Text(shape=(), dtype=string),
    'Delta 13 C (o/oo)': float32,
    'Delta 15 N (o/oo)': float32,
    'Flipper Length (mm)': float32,
    'Individual ID': Text(shape=(), dtype=string),
    'Island': Text(shape=(), dtype=string),
    'Region': Text(shape=(), dtype=string),
    'Sample Number': int32,
    'Sex': Text(shape=(), dtype=string),
    'Species': Text(shape=(), dtype=string),
    'Stage': Text(shape=(), dtype=string),
    'studyName': Text(shape=(), dtype=string),
})

• Documentação do recurso:

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Exemplos ( tfds.as_dataframe ):