数据集概述
本数据集是用于研究合成数据生成公平性的基准数据集，包含traveltime、cardio、credit、German Credit等多个子数据集，覆盖人口普查、医疗、金融等领域，涉及工作通勤时间、心血管疾病、信贷违约等预测任务，提供结构化数据及类型描述文件，支持公平性评估研究。
文件详解
- 数据文件（CSV格式）
- 文件名称：traveltime.csv、bank-full.csv、cardio_train.csv、german_credit.csv、bank.csv等9个CSV文件
- 文件格式：CSV
- 字段映射介绍：包含各子数据集的结构化数据，如traveltime.csv含SERIALNO（序列号）、AGEP（年龄）、SEX（性别）、LABEL（通勤时间是否超20分钟）等字段；bank-full.csv含age（年龄）、job（职业）、balance（余额）、y（是否订阅产品）等字段
- 类型描述文件（JSON格式）
- 文件名称：cardio_dtypes.json、diabetes_dtypes.json、german_credit_dtypes.json等7个JSON文件
- 文件格式：JSON
- 字段映射介绍：包含'tables'、'relationships'、'METADATA_SPEC_VERSION'等键，描述对应数据集的字段类型及元数据规范
- 属性信息与元数据文件
- 文件名称：german_credit_attribute_info.csv、bank-metadata.txt
- 文件格式：CSV、TXT
- 字段映射介绍：german_credit_attribute_info.csv记录German Credit数据集属性信息；bank-metadata.txt含数据引用说明，提及Moro et al. 2011的研究
适用场景
- 合成数据生成公平性评估：用于测试不同合成数据生成算法在人口普查、医疗、金融等场景下的公平性表现
- 公平性算法研究：支持开发和验证针对性别、年龄等敏感属性的公平性优化算法
- 基准数据集对比分析：作为标准基准，对比不同合成数据生成方法的公平性指标差异
- 跨领域公平性研究：覆盖多领域数据，用于探究不同领域公平性问题的共性与特性
