难以完美学习的加密数据集
数据来源：互联网公开数据
标签：加密函数,SHA-256,机器学习,数据集,神经网络,过拟合,逆问题
数据概述：
本数据集用于机器学习，包含10维难以完美学习的数据。数据集由生成的10个字母随机ASCII字符串（输入）及其对应的SHA-256哈希值的前10位（输出）组成。理论上，由于存在完美的数学函数，该数据集应当可以被完美学习，但实际应用中，由于SHA-256的加密特性，其可预测性极低。输出值的平均值约为0.50，标准差也约为0.50。
数据用途概述：
该数据集适用于测试和评估机器学习模型的学习能力，尤其是神经网络的过拟合问题。研究人员可以通过计算该数据集上的均方绝对误差来测试神经网络的泛化能力。此外，数据集还适用于研究逆问题，通过相同神经网络解决逆问题时，其均方绝对误差约为0.25046，或64.868（在0-255的ASCII字符范围内）。本数据集有助于评估大型神经网络的学习能力。
举例：
数据文件为ASCII格式，每行代表一个浮点数向量，元素之间用空格分隔，行尾以换行符结束。文件中不包含表头信息。
