缺失城市自动化机器学习基准数据集MissingCityAutoMLBenchmarkDataset-automlbenchmark
数据来源：互联网公开数据
标签：城市数据，自动化机器学习，数据集，基准测试，机器学习，城市规划，数据科学，预测分析
数据概述：该数据集来自“缺失城市”项目，记录了城市相关数据的缺失情况及自动化机器学习模型的基准测试结果。主要特征如下：
时间跨度：数据记录的时间范围从2018年到2022年。
地理范围：数据覆盖了多个全球城市，包括不同规模和发展水平的城市。
数据维度：数据集包括城市人口，经济指标，基础设施，环境数据等多维度信息，以及数据缺失情况和自动化机器学习模型的性能指标。数据格式为CSV，方便进行分析和处理。来源信息：数据来源于城市公开数据平台和自动化机器学习竞赛，已进行标准化和清洗。该数据集适合用于城市研究，自动化机器学习及数据科学领域的应用，特别是在城市数据缺失处理，模型性能评估等方面具有重要价值。
数据用途概述：该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于城市数据缺失研究，自动化机器学习模型性能评估等学术研究，如城市数据缺失模式分析，模型优化等。
行业应用：可以为城市规划，智能交通，环境监测等行业提供数据支持，特别是在数据缺失处理，模型选择和优化方面。
决策支持：支持城市数据管理和模型选择，帮助相关领域制定更好的数据处理和应用策略。
教育和培训：作为数据科学，机器学习及城市规划课程的辅助材料，帮助学生和研究人员深入理解城市数据特征和自动化机器学习技术。
此数据集特别适合用于探索城市数据缺失模式与自动化机器学习模型的性能关系，帮助用户实现数据缺失处理，模型优化和城市数据分析的目标，为城市规划和智能决策提供数据支持。
