📊 Data Dictionary

Trong khóa học này, chúng ta sẽ sử dụng nhiều dataset khác nhau để thực hành. Trang này cung cấp mô tả chi tiết về từng dataset.

1. Iris Dataset (Classification)

Dataset kinh điển để bắt đầu học classification, chứa thông tin về 3 loài hoa Iris.

iris_dataset

Dataset chứa thông tin đo lường 150 mẫu hoa Iris thuộc 3 loài khác nhau

Tên cột	Kiểu dữ liệu	Mô tả	Ví dụ
`petal_length`	float	Chiều dài cánh hoa (cm)	`1.4`
`petal_width`	float	Chiều rộng cánh hoa (cm)	`0.2`
`sepal_length`	float	Chiều dài đài hoa (cm)	`5.1`
`sepal_width`	float	Chiều rộng đài hoa (cm)	`3.5`
`species`	categorical	Loài hoa: setosa, versicolor, virginica	`setosa`

Hiển thị 5 / 5 cột

Thống kê cơ bản

Thông số	Giá trị
Số lượng mẫu	150
Số features	4
Số classes	3
Missing values	0

2. House Prices Dataset (Regression)

Dataset dùng để dự đoán giá nhà dựa trên các đặc điểm của ngôi nhà.

house_prices

Dataset giá nhà tại Ames, Iowa với 79 features mô tả các khía cạnh của ngôi nhà

Tên cột	Kiểu dữ liệu	Mô tả	Ví dụ
`BedroomAbvGr`	integer	Số phòng ngủ trên mặt đất	`3`
`GrLivArea`	integer	Diện tích sinh hoạt trên mặt đất (square feet)	`1710`
`Id`PK	integer	ID định danh của mỗi ngôi nhà	`1`
`LotArea`	integer	Diện tích lô đất (square feet)	`8450`
`MSSubClass`	integer	Loại nhà ở liên quan đến việc bán	`60`
`OverallQual`	integer	Chất lượng vật liệu và hoàn thiện (1-10)	`7`
`SalePrice`	integer	Giá bán nhà (USD) - TARGET	`208500`
`TotalBsmtSF`	float	Tổng diện tích tầng hầm (square feet)	`856.0`
`YearBuilt`	integer	Năm xây dựng	`2003`

Hiển thị 9 / 9 cột

Lưu ý

Dataset đầy đủ có 79 features. Ở đây chỉ hiển thị các features quan trọng nhất.

3. Customer Segmentation Dataset (Clustering)

Dataset khách hàng dùng để phân nhóm (clustering).

customer_segmentation

Dataset khách hàng của một cửa hàng bán lẻ để phân tích hành vi mua sắm

Tên cột	Kiểu dữ liệu	Mô tả	Ví dụ
`Age`	integer	Tuổi của khách hàng	`19`
`Annual_Income`	integer	Thu nhập hàng năm (k$)	`15`
`CustomerID`PK	integer	ID khách hàng duy nhất	`1`
`Gender`	categorical	Giới tính (Male/Female)	`Male`
`Spending_Score`	integer	Điểm chi tiêu được gán bởi cửa hàng (1-100)	`39`

Hiển thị 5 / 5 cột

Data Flow trong khóa học

flowchart LR
    subgraph "Raw Data"
        A[CSV Files]
        B[Database]
        C[API]
    end
    
    subgraph "Processing"
        D[Data Cleaning]
        E[Feature Engineering]
        F[Train/Test Split]
    end
    
    subgraph "Modeling"
        G[Training]
        H[Validation]
        I[Testing]
    end
    
    A --> D
    B --> D
    C --> D
    D --> E
    E --> F
    F --> G
    G --> H
    H --> I

Download Datasets

Cách tải dataset

Tất cả datasets được cung cấp sẵn trong mỗi notebook. Bạn cũng có thể tải trực tiếp từ các nguồn sau:

# Load từ Scikit-learn
from sklearn.datasets import load_iris
iris = load_iris()

# Load từ file CSV
import pandas as pd
df = pd.read_csv('data/house_prices.csv')

# Load từ Kaggle
# !kaggle datasets download -d dataset-name

➡️ Tiếp theo: Bắt đầu với Notebook thực hành đầu tiên!