美国共同基金数据集
数据来源：互联网公开数据
标签：共同基金,美国,投资分析,预测模型,基点利差,金融数据,回归分析
数据概述：
本数据集包含美国共同基金的相关信息，旨在预测每只基金相对于AAA级债券的基点利差（即“bonds_aaa”特征）。数据集分为训练集（train.csv）和测试集（test.csv），其中训练集包含9518个实例及153个特征（包括目标特征），测试集包含2380个实例及152个特征（不包括目标特征）。此外，还提供了一个数据字典文件（MutualFundReturnsDataDictionary.csv），用于解释每个特征的含义。
数据用途概述：
该数据集适用于共同基金投资分析、基点利差预测及金融建模等多种场景。研究人员和投资者可通过训练预测模型来评估共同基金相对于AAA级债券的额外收益情况。此外，数据集也适合用于教育培训，帮助学习者理解和应用线性回归、岭回归和套索回归等技术。
举例：
例如，使用者可以利用训练集数据（train.csv）训练线性回归模型，并通过网格搜索（GridsearchCV）优化模型参数。模型训练完成后，可以使用测试集数据（test.csv）进行预测，并根据预测结果生成提交文件（sample_submission.csv），以参与模型性能评估。评估指标采用均方根误差（RMSE），具体评分标准如下：RMSE小于16.5分获100%的可用分数；RMSE在16.5到20之间获80%的可用分数；RMSE在20到25之间获70%的可用分数；RMSE大于等于25则不获分数。
