Opis zbiorów danych

Województwa

Dane pochodzą ze strony GUS www.stat.gov.pl z Bazy Danych Regionalnych. Dane dotyczą podstawowych zmiennych makroekonomicznych z 2003 i 2008 roku oraz danych o liczbie przedsiębiorstw zarejestrowanych w rejestrze REGON. Jednostką jest województwo.

Zmienne dostępne w zbiorze Województwa są następujące:

wojewodztwo

aktywne_2003

aktywne_2008

nowe_2003

nowe_2008

wyrejestrowane_2003

wyrejestrowane_2008

pkb_mieszkanca_2001

pkb_mieszkanca_2007

wynagrodzenie_2003 - średnie wynagrodzenie

wynagrodzenie_2009 - średnie wynagrodzenie

bezrobotni_2003 - bezrobotni na osoby w wieku produkcyjnym

bezrobotni_2009 - bezrobotni na osoby w wieku produkcyjnym

inflacja_2001

inflacja_2008

nowe_100aktywne_2003

nowe_100aktywne_2008

wyrejestr_100aktywne_2003

wyrejestr_100aktywne_2008

churn_2003

churn_2008

dynamika_2003

dynamika_2008

Gosp_2007

Zbiór danych Gosp_2007 zawiera wybrane dane o 10.000 polskich gospodarstwach domowych badanych przez GUS w 2007 roku. Z całego badania została wylosowana próba losowa prosta bez warstwowania. Zbiór Gosp_2007 zawiera 36 zmiennych:

1. nr - numer gospodarstwa

2. woj - województwo

3. klm - klasa miejscowości

4. region - region zamieszkania

5. los - liczba osób

6. ocena - ocena sytuacji materialnej

7. typ - grupa społeczno-ekonomiczna

8. biol - typ rodziny

9. dochg - dochód rozporządzalny

10. wydg - wydatki ogółem

11. dochl - dochód na osobę

12. kino_dom - posiadanie kina domowego

13. ikompi - komputer z dostępem do Internetu

14. kom_sluz - tel. komórkowy służbowy

15. sam_sluz - samochód służbowy

16. isamoch - samochód osobowy prywatny

17. domek - domek letniskowy

18. ld17 - liczba dzieci do lat 17-tu

19. s - oszczędności (doch-wyd)

20. wiek - wiek głowy gospodarstwa w latach ukończonych

21. grwiek - wiek pogrupowany w 5-letnie grupy wieku

22. gredu - grupy wykształcenia głowy gosp. dom.

23. doch_najem - dochody z pracy najemnej

24. doch_praca_wlasny_rach - dochody z pracy na własny rachunek

25. doch_wlasnosci - dochody z własności

26. doch_nieruchomosci - dochody z wynajmu nieruchomości

27. swiadczenia_ubezp - świadczenia z ubezp. społecznego

28. swiadczenia_pomoc_spol - świadczenia z pomocy społecznej

29. inne_dochody - inne dochody;

30. wyd_zywnosc - wydatki na żywność

31. wyd_alkohol - wydatki na alkohol i tytoń

32. wyd_odziez - wydatki na odzież i obuwie

33. wyd_mieszk - wydatki na użytkowanie mieszkania

34. wyd_zdrowie - wydatki na zdrowie

35. wyd_kultura -wydatki na kulturę i rekreację

36. wyd_edukacja - wydatki na edukację.

Kategorie dla zmiennych nominalnych są następujące:

grwiek 0 - 0 lat 1 - 1-4 lat 2 - 5-9 lat 3 - 10-14 lat 4 - 15-19 lat : 19 - 90-94 lata 20 - 95 i więcej biol 0 - samotna osoba 1 - małżeństwo bez dzieci 2 - małżeństwo z 1 dzieckiem 3 - małżeństwo z 2 dzieci 4 - małżeństwo z 3 dzieci 5 - małżeństwo z 4 i więcej dzieci 6 - matka z dziećmi 7 - ojciec z dziećmi 8 - pozostałe

gredu 1 - wyższe 2 - średnie 3 - zasadnicze zawodowe 4 - podstawowe i niepełne klm 1 - 500+ 2 - 200-500 3 - 100-200 4 - 20-100 5 - 20 i mniej 6 - wieś typ 1 - pracowników 2 - rolników 3 - pracujących na własny rachunek 4 - emerytów i rencistów 5 - niezarobkowe ocena 1 - bardzo dobra 2 - raczej dobra 3 - przeciętna 4 - raczej zła 5 - zła

German credit

Zbiór German zaczerpnięty został ze strony UCI Data Repository. Oryginalny opis zbioru został zamieszczony poniżej.

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

4. Number of Attributes german: 20 (7 numerical, 13 categorical)

5. Attribute description for german

Attribute 1: (qualitative) Status of existing checking account

A11 : ... < 0 DM

A12 : 0 <= ... < 200 DM

A13 : ... >= 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 <= ... < 500 DM

A63 : 500 <= ... < 1000 DM

A64 : .. >= 1000 DM

A65 : unknown/ no savings account

Attribute 7: (qualitative) Present employment since

A71 : unemployed

A72 : ... < 1 year

A73 : 1 <= ... < 4 years

A74 : 4 <= ... < 7 years

A75 : .. >= 7 years

Attribute 8: (numerical) Installment rate in percentage of disposable income

Attribute 9: (qualitative) Personal status and sex

A91 : male : divorced/separated

A92 : female : divorced/separated/married

A93 : male : single

A94 : male : married/widowed

A95 : female : single

Attribute 10: (qualitative) Other debtors / guarantors

A101 : none

A102 : co-applicant

A103 : guarantor

Attribute 11: (numerical) Present residence since

Attribute 12: (qualitative) Property

A121 : real estate

A122 : if not A121 : building society savings agreement/life insurance

A123 : if not A121/A122 : car or other, not in attribute 6

A124 : unknown / no property

Attribute 13: (numerical) Age in years

Attribute 14: (qualitative) Other installment plans

A141 : bank

A142 : stores

A143 : none

Attribute 15: (qualitative) Housing

A151 : rent

A152 : own

A153 : for free

Attribute 16: (numerical) Number of existing credits at this bank

Attribute 17: (qualitative) Job

A171 : unemployed/ unskilled - non-resident

A172 : unskilled - resident

A173 : skilled employee / official

A174 : management/ self-employed/highly qualified employee/ officer

Attribute 18: (numerical) Number of people being liable to provide maintenance for

Attribute 19: (qualitative) Telephone

A191 : none

A192 : yes, registered under the customers name

Attribute 20: (qualitative) foreign worker

A201 : yes

A202 : no

6. Cost Matrix

This dataset requires use of a cost matrix (see below)

1 2

----------------------------

1 0 1

-----------------------

2 5 0

(1 = Good, 2 = Bad)

the rows represent the actual classification and the columns

the predicted classification.

It is worse to class a customer as good when they are bad (5),

than it is to class a customer as bad when they are good (1).

Polska_regiony

Zestaw kilku zmiennych makroekonomicznych i demograficznych o 66 polskich podregionach, dostępnych na stronie GUS www.stat.gov.pl w zakładce bank danych regionalnych.

Jednostka_terytorialna - nazwa podregionu

dzietnosc_2009 - współczynnik dzietności w 2009 roku

Ludnosc_2009 - liczba ludności w 2009 roku

Malzenstwa_2009 - liczba zawartych małżeństw w 2009 roku

pkb_1_mieszkanca - PKB na 1 mieszkańca w 2008

wynagrodzenia_2009 - średnie wynagrodzenia brutto w 2009 roku

Rozwody_2009 - liczba rozwodów w 2009 roku

bezrobotni_wiek_prod_2009 - liczba bezrobotnych przypadających na ludność w wieku produkcyjnym w procentach

Zgony_2009 - liczba zgonów w 2009 roku

Rozwody_100mal_2009 - liczba rozwodów na 100 nowo zawartych małżeństw w 2009 roku

malzenstwa_1000lud_2009 - liczba małżeństw nowo zawartych na 1000 ludności

zgony_1000lud_2009 - liczba zgonów na 1000 ludności.

Glass Identification Database

2. Sources:

(a) Creator: B. German

-- Central Research Establishment

Home Office Forensic Science Service

Aldermaston, Reading, Berkshire RG7 4PN

(b) Donor: Vina Spiehler, Ph.D., DABFT

Diagnostic Products Corporation

[phone] (ext 3014)

(c) Date: September, 1987

4. Relevant Information:n

Vina conducted a comparison test of her rule-based system, BEAGLE, the

nearest-neighbor algorithm, and discriminant analysis. BEAGLE is

a product available through VRS Consulting, Inc.; 4676 Admiralty Way,

Suite 206; Marina Del Ray, CA 90292 [phone] and FAX: -3189.

In determining whether the glass was a type of "float" glass or not,

the following results were obtained (# incorrect answers):

Type of Sample Beagle NN DA

Windows that were float processed (87) 10 12 21

Windows that were not: (76) 19 16 22

The study of classification of types of glass was motivated by

criminological investigation. At the scene of the crime, the glass left

can be used as evidence...if it is correctly identified!

5. Number of Instances: 214

6. Number of Attributes: 10 (including an Id#) plus the class attribute

-- all attributes are continuously valued

7. Attribute Information:

1. Id number: 1 to 214

2. RI: refractive index

3. Na: Sodium (unit measurement: weight percent in corresponding oxide, as

are attributes 4-10)

4. Mg: Magnesium

5. Al: Aluminum

6. Si: Silicon

7. K: Potassium

8. Ca: Calcium

9. Ba: Barium

10. Fe: Iron

11. Type of glass: (class attribute)

-- 1 building_windows_float_processed

-- 2 building_windows_non_float_processed

-- 3 vehicle_windows_float_processed

-- 4 vehicle_windows_non_float_processed (none in this database)

-- 5 containers

-- 6 tableware

-- 7 headlamps

8. Missing Attribute Values: None

8

---