该数据从美国1994年人口普查数据库抽取而来，可以用来预测居民收入是否超过50K。该数据集类变量为年收入是否超过/𝑦𝑒𝑎𝑟。该数据集类变量为年收入是否超过50𝑘

，属性变量包含年龄，工种，学历，职业，人种等重要信息，14个属性变量中有7个类别型变量，是Classification/Regression模型训练的经典数据集。

如何在线使用数据集

Python用户，创建项目后，输入 !ls ../input/workshop/ 查看数据路径

R用户，创建项目后，输入 !list.files('../input/workshop/') 查看数据路径

数据说明

• 文件列表
• 该数据集包含2个文件：
• 
  
• income_census_train.csv
• 
  
• income_census_test.csv: 不包含类别label数据的测试集
• 
  
• 数据集的整体特征

数据集名称 | 数据类型 | 特征数 | 实例数 | 值缺失 | 相关任务

-------------| ------- |-----------| ---------| ---------|----------|--------

人口普查收入数据集 | 数值数据 | 14 | 45222 | 无 | 分类与预测

• 属性描述
• 文件 income_census_train.csv中包含16个字段，具体信息如下：
• 每一行记录了一个人的人口普查结果。该数据集类变量为年收入是否超过50k$，属性变量包含年龄，工种，学历，职业，人种等重要信息，14个属性变量中有7个类别型变量。

No| 属性 | 数据类型 | 数值类型 | 字段描述 |

----|-----|------------|-------------|

1 | ID | - | String | 人的ID

2 | age | Numeric | Integer | 年龄

3 | workclass | Categorical | String | 工作类型

4 | fnlwgt | Continuous | Integer | 序号

5 | education | Categorical | String | 教育程度

6 | education_num | Numeric | Integer | 受教育时间 （年）

7 | marital_status | Categorical | String | 婚姻状态

8 | occupation | Categorical | String | 职业

9 | relationship | Categorical | String | 关系

10 | race | Categorical | String | 种族

11 | gender | Categorical | String | 性别

12 | capital_gain | Numeric | Integer | 资本收益

13 | capital_loss | Numeric | Integer | 资本损失

14 | hours_per_week | Numeric | Integer | 每周工作时长

15 | native_country | Categorical | String | 原国籍

16 | income_bracket | Categorical | Integer | 收入档次: 0-'<=50K', 1-'>50K'

文件 income_census_test.csv中包含15个字段，与文件 income_census_train.csv的前15个字段一致，但不包含类别字段。

数据集可探索、研究的方向

• 可以可视化探索数据
• 可以用来预测居民收入是否超过50K$/year