数据集概述
本数据集是基于众包标注的犬类分类数据集，区别于传统硬标签分类数据，其标签包含不确定性与不精确性，采用信念函数理论建模，支持经典、概率、模糊及证据模型等多种机器学习方法。数据集含七个类别、七百条观测记录及四十三维特征（含原始图片）。
文件详解
数据集包含数据文件和额外文件，具体说明如下：
- 数据文件（位于 data/ 目录下）：
- classes.csv：数据集类别信息
- X.csv：数据集特征
- X_512.csv：数据集五百一十二维特征向量
- X_pictures.csv：原始图片特征
- y.csv：丰富标签数据
- y_true.csv：真实标签数据
- 额外文件（位于 extra/ 目录下）：
- y_hard.csv：新众包活动中的硬标签数据
- DATA_imperfect.csv：众包活动中的不完美回答数据
- ITERATION_imperfect.csv：众包活动第二步的不完美回答数据
- EVENT_imperfect.csv：贡献者事件数据
- ID_imperfect.csv：贡献者ID数据
- DATA_perfect.csv：新众包活动中的精确回答数据
适用场景
- 机器学习模型研究：用于比较硬标签模型与概率、模糊、证据等不确定性模型的分类性能
- 众包标注质量分析：探究标注过程中不确定性对标签质量及模型效果的影响
- 计算机视觉应用：基于原始图片特征开展犬类图像分类任务
- 不确定性推理研究：验证信念函数理论在处理不精确标签数据中的有效性
