[905]萨默维尔幸福调查数据集（Somerville Happiness Survey Data Set）

萨默维尔幸福调查数据集（Somerville Happiness Survey Data Set）
免责声明：本数据由极风数据团队整理，仅用于学术研究，请勿恶意复制或用于其他用途。

0、数据编号：905
1、数据名称：萨默维尔幸福调查数据集（Somerville Happiness Survey Data Set）
2、数据来源： Waldemar W. Koczkodaj, wkoczkodaj@gmail, independent researcher.
3、时间跨度：截至2016-02-28
4、区域范围：905
5、数据大小：5KB
6、数据格式：XLSX
7、数据简介：1此处发布的非联邦数据集的数据摘录
数据集信息：

这是监督学习的一个案例，使用受试者工作特征 （ROC） 来选择保留或增加数据可预测性的最小属性集。

属性信息：

D = 决策属性 （D），值为 0（不满意）和 1（满意）
X1 = 有关城市服务
的信息的可用性 X2 = 住房
成本 X3 = 公立学校
的整体质量 X4 = 您对当地警察
的信任 X5 = 街道和人行道的维护 X6 = 社交社区活动

的可用性 属性 X1 到
X6 的值为 1 到 5。
英文原文：Data Set Information:

It is a case of supervised learning with the use of Receiver Operating Characteristic (ROC) to select the minimal set of attributes preserving or increasing predictability of the data.

Attribute Information:

D = decision attribute (D) with values 0 (unhappy) and 1 (happy)
X1 = the availability of information about the city services
X2 = the cost of housing
X3 = the overall quality of public schools
X4 = your trust in the local police
X5 = the maintenance of streets and sidewalks
X6 = the availability of social community events

Attributes X1 to X6 have values 1 to 5.

参考文献：Koczkodaj, W.W.; Li, F.; Wolny-Dominiak, A., RatingScaleReduction package: stepwise rating scale item reduction without predictability loss, R JOURNAL, 10(1): 43-55, 2018.

W.W. Koczkodaj, T. Kakiashvili, A. Szymanska, J. Montero-Marin, R. Araya, J. Garcia-Campayo, K. Rutkowski, D. Strzalka, How to reduce the number of rating scale items without predictability loss? Scientometrics, 111(2): 581-593, 2017.

Project R package: [Web Link]