Update parquet files

README.md

@@ -1,30 +0,0 @@
----
-language:
-- en
-tags:
-- mammography
-- tabular_classification
-- binary_classification
-pretty_name: Mammography
-size_categories:
-- 100<n<1K
-task_categories:  # Full list at https://github.com/huggingface/hub-docs/blob/main/js/src/lib/interfaces/Types.ts
-- tabular-classification
-configs:
-- mammography
----
-# Mammography
-The [Mammography dataset](https://archive.ics.uci.edu/ml/datasets/Mammography) from the [UCI ML repository](https://archive.ics.uci.edu/ml/datasets).
-
-# Configurations and tasks
-| **Configuration** | **Task**                  | **Description**        |
-|-------------------|---------------------------|------------------------|
-| mammography       | Binary classification     | Is the lesion benign?  |
-
-
-# Usage
-```python
-from datasets import load_dataset
-
-dataset = load_dataset("mstz/mammography", "mammography")["train"]
-```

mammographic_masses.data

@@ -1,961 +0,0 @@
-5,67,3,5,3,1
-4,43,1,1,?,1
-5,58,4,5,3,1
-4,28,1,1,3,0
-5,74,1,5,?,1
-4,65,1,?,3,0
-4,70,?,?,3,0
-5,42,1,?,3,0
-5,57,1,5,3,1
-5,60,?,5,1,1
-5,76,1,4,3,1
-3,42,2,1,3,1
-4,64,1,?,3,0
-4,36,3,1,2,0
-4,60,2,1,2,0
-4,54,1,1,3,0
-3,52,3,4,3,0
-4,59,2,1,3,1
-4,54,1,1,3,1
-4,40,1,?,?,0
-?,66,?,?,1,1
-5,56,4,3,1,1
-4,43,1,?,?,0
-5,42,4,4,3,1
-4,59,2,4,3,1
-5,75,4,5,3,1
-2,66,1,1,?,0
-5,63,3,?,3,0
-5,45,4,5,3,1
-5,55,4,4,3,0
-4,46,1,5,2,0
-5,54,4,4,3,1
-5,57,4,4,3,1
-4,39,1,1,2,0
-4,81,1,1,3,0
-4,77,3,?,?,0
-4,60,2,1,3,0
-5,67,3,4,2,1
-4,48,4,5,?,1
-4,55,3,4,2,0
-4,59,2,1,?,0
-4,78,1,1,1,0
-4,50,1,1,3,0
-4,61,2,1,?,0
-5,62,3,5,2,1
-5,44,2,4,?,1
-5,64,4,5,3,1
-4,23,1,1,?,0
-2,42,?,?,4,0
-5,67,4,5,3,1
-4,74,2,1,2,0
-5,80,3,5,3,1
-4,23,1,1,?,0
-4,63,2,1,?,0
-4,53,?,5,3,1
-4,43,3,4,?,0
-4,49,2,1,1,0
-5,51,2,4,?,0
-4,45,2,1,?,0
-5,59,2,?,?,1
-5,52,4,3,3,1
-5,60,4,3,3,1
-4,57,2,5,3,0
-3,57,2,1,?,0
-5,74,4,4,3,1
-4,25,2,1,?,0
-4,49,1,1,3,0
-5,72,4,3,?,1
-4,45,2,1,3,0
-4,64,2,1,3,0
-4,73,2,1,2,0
-5,68,4,3,3,1
-5,52,4,5,3,0
-5,66,4,4,3,1
-5,70,?,4,?,1
-4,25,1,1,3,0
-5,74,1,1,2,1
-4,64,1,1,3,0
-5,60,4,3,2,1
-5,67,2,4,1,0
-4,67,4,5,3,0
-5,44,4,4,2,1
-3,68,1,1,3,1
-4,57,?,4,1,0
-5,51,4,?,?,1
-4,33,1,?,?,0
-5,58,4,4,3,1
-5,36,1,?,?,0
-4,63,1,1,?,0
-5,62,1,5,3,1
-4,73,3,4,3,1
-4,80,4,4,3,1
-4,67,1,1,?,0
-5,59,2,1,3,1
-5,60,1,?,3,0
-5,54,4,4,3,1
-4,40,1,1,?,0
-4,47,2,1,?,0
-5,62,4,4,3,0
-4,33,2,1,3,0
-5,59,2,?,?,0
-4,65,2,?,?,0
-4,58,4,4,?,0
-4,29,2,?,?,0
-4,58,1,1,?,0
-4,54,1,1,?,0
-4,44,1,1,?,1
-3,34,2,1,?,0
-4,57,1,1,3,0
-5,33,4,4,?,1
-4,45,4,4,3,0
-5,71,4,4,3,1
-5,59,4,4,2,0
-4,56,2,1,?,0
-4,40,3,4,?,0
-4,56,1,1,3,0
-4,45,2,1,?,0
-4,57,2,1,2,0
-5,55,3,4,3,1
-5,84,4,5,3,0
-5,51,4,4,3,1
-4,43,1,1,?,0
-4,24,2,1,2,0
-4,66,1,1,3,0
-5,33,4,4,3,0
-4,59,4,3,2,0
-4,76,2,3,?,0
-4,40,1,1,?,0
-4,52,?,4,?,0
-5,40,4,5,3,1
-5,67,4,4,3,1
-5,75,4,3,3,1
-5,86,4,4,3,0
-4,60,2,?,?,0
-5,66,4,4,3,1
-5,46,4,5,3,1
-4,59,4,4,3,1
-5,65,4,4,3,1
-4,53,1,1,3,0
-5,67,3,5,3,1
-5,80,4,5,3,1
-4,55,2,1,3,0
-4,48,1,1,?,0
-4,47,1,1,2,0
-4,50,2,1,?,0
-5,62,4,5,3,1
-5,63,4,4,3,1
-4,63,4,?,3,1
-4,71,4,4,3,1
-4,41,1,1,3,0
-5,57,4,4,4,1
-5,71,4,4,4,1
-4,66,1,1,3,0
-4,47,2,4,2,0
-3,34,4,4,3,0
-4,59,3,4,3,0
-5,55,2,?,?,1
-4,51,?,?,3,0
-4,62,2,1,?,0
-4,58,4,?,3,1
-5,67,4,4,3,1
-4,41,2,1,3,0
-4,23,3,1,3,0
-4,53,?,4,3,0
-4,42,2,1,3,0
-5,87,4,5,3,1
-4,68,1,1,3,1
-4,64,1,1,3,0
-5,54,3,5,3,1
-5,86,4,5,3,1
-4,21,2,1,3,0
-4,39,1,1,?,0
-4,53,4,4,3,0
-4,44,4,4,3,0
-4,54,1,1,3,0
-5,63,4,5,3,1
-4,62,2,1,?,0
-4,45,2,1,2,0
-5,71,4,5,3,0
-5,49,4,4,3,1
-4,49,4,4,3,0
-5,66,4,4,4,0
-4,19,1,1,3,0
-4,35,1,1,2,0
-4,71,3,3,?,1
-5,74,4,5,3,1
-5,37,4,4,3,1
-4,67,1,?,3,0
-5,81,3,4,3,1
-5,59,4,4,3,1
-4,34,1,1,3,0
-5,79,4,3,3,1
-5,60,3,1,3,0
-4,41,1,1,3,1
-4,50,1,1,3,0
-5,85,4,4,3,1
-4,46,1,1,3,0
-5,66,4,4,3,1
-4,73,3,1,2,0
-4,55,1,1,3,0
-4,49,2,1,3,0
-3,49,4,4,3,0
-4,51,4,5,3,1
-2,48,4,4,3,0
-4,58,4,5,3,0
-5,72,4,5,3,1
-4,46,2,3,3,0
-4,43,4,3,3,1
-?,52,4,4,3,0
-4,66,2,1,?,0
-4,46,1,1,1,0
-4,69,3,1,3,0
-2,59,1,1,?,1
-5,43,2,1,3,1
-5,76,4,5,3,1
-4,46,1,1,3,0
-4,59,2,4,3,0
-4,57,1,1,3,0
-5,43,4,5,?,0
-3,45,2,1,3,0
-3,43,2,1,3,0
-4,45,2,1,3,0
-5,57,4,5,3,1
-5,79,4,4,3,1
-5,54,2,1,3,1
-4,40,3,4,3,0
-5,63,4,4,3,1
-2,55,1,?,1,0
-4,52,2,1,3,0
-4,38,1,1,3,0
-3,72,4,3,3,0
-5,80,4,3,3,1
-5,76,4,3,3,1
-4,62,3,1,3,0
-5,64,4,5,3,1
-5,42,4,5,3,0
-3,60,?,3,1,0
-4,64,4,5,3,0
-4,63,4,4,3,1
-4,24,2,1,2,0
-5,72,4,4,3,1
-4,63,2,1,3,0
-4,46,1,1,3,0
-3,33,1,1,3,0
-5,76,4,4,3,1
-4,36,2,3,3,0
-4,40,2,1,3,0
-5,58,1,5,3,1
-4,43,2,1,3,0
-3,42,1,1,3,0
-4,32,1,1,3,0
-5,57,4,4,2,1
-4,37,1,1,3,0
-4,70,4,4,3,1
-5,56,4,2,3,1
-3,76,?,3,2,0
-5,73,4,4,3,1
-5,77,4,5,3,1
-5,67,4,4,1,1
-5,71,4,3,3,1
-5,65,4,4,3,1
-4,43,1,1,3,0
-4,40,2,1,?,0
-4,49,2,1,3,0
-5,76,4,2,3,1
-4,55,4,4,3,0
-5,72,4,5,3,1
-3,53,4,3,3,0
-5,75,4,4,3,1
-5,61,4,5,3,1
-5,67,4,4,3,1
-5,55,4,2,3,1
-5,66,4,4,3,1
-2,76,1,1,2,0
-4,57,4,4,3,1
-5,71,3,1,3,0
-5,70,4,5,3,1
-4,35,4,2,?,0
-5,79,1,?,3,1
-4,63,2,1,3,0
-5,40,1,4,3,1
-4,41,1,1,3,0
-4,47,2,1,2,0
-4,68,1,1,3,1
-4,64,4,3,3,1
-4,65,4,4,?,1
-4,73,4,3,3,0
-4,39,4,3,3,0
-5,55,4,5,4,1
-5,53,3,4,4,0
-5,66,4,4,3,1
-4,43,3,1,2,0
-5,44,4,5,3,1
-4,77,4,4,3,1
-4,62,2,4,3,0
-5,80,4,4,3,1
-4,33,4,4,3,0
-4,50,4,5,3,1
-4,71,1,?,3,0
-5,46,4,4,3,1
-5,49,4,5,3,1
-4,53,1,1,3,0
-3,46,2,1,2,0
-4,57,1,1,3,0
-4,54,3,1,3,0
-4,54,1,?,?,0
-2,49,2,1,2,0
-4,47,3,1,3,0
-4,40,1,1,3,0
-4,45,1,1,3,0
-4,50,4,5,3,1
-5,54,4,4,3,1
-4,67,4,1,3,1
-4,77,4,4,3,1
-4,66,4,3,3,0
-4,71,2,?,3,1
-4,36,2,3,3,0
-4,69,4,4,3,0
-4,48,1,1,3,0
-4,64,4,4,3,1
-4,71,4,2,3,1
-5,60,4,3,3,1
-4,24,1,1,3,0
-5,34,4,5,2,1
-4,79,1,1,2,0
-4,45,1,1,3,0
-4,37,2,1,2,0
-4,42,1,1,2,0
-4,72,4,4,3,1
-5,60,4,5,3,1
-5,85,3,5,3,1
-4,51,1,1,3,0
-5,54,4,5,3,1
-5,55,4,3,3,1
-4,64,4,4,3,0
-5,67,4,5,3,1
-5,75,4,3,3,1
-5,87,4,4,3,1
-4,46,4,4,3,1
-4,59,2,1,?,0
-55,46,4,3,3,1
-5,61,1,1,3,1
-4,44,1,4,3,0
-4,32,1,1,3,0
-4,62,1,1,3,0
-5,59,4,5,3,1
-4,61,4,1,3,0
-5,78,4,4,3,1
-5,42,4,5,3,0
-4,45,1,2,3,0
-5,34,2,1,3,1
-5,39,4,3,?,1
-4,27,3,1,3,0
-4,43,1,1,3,0
-5,83,4,4,3,1
-4,36,2,1,3,0
-4,37,2,1,3,0
-4,56,3,1,3,1
-5,55,4,4,3,1
-5,46,3,?,3,0
-4,88,4,4,3,1
-5,71,4,4,3,1
-4,41,2,1,3,0
-5,49,4,4,3,1
-3,51,1,1,4,0
-4,39,1,3,3,0
-4,46,2,1,3,0
-5,52,4,4,3,1
-5,58,4,4,3,1
-4,67,4,5,3,1
-5,80,4,4,3,1
-3,46,1,?,?,0
-3,43,1,?,?,0
-4,45,1,1,3,0
-5,68,4,4,3,1
-4,54,4,4,?,1
-4,44,2,3,3,0
-5,74,4,3,3,1
-5,55,4,5,3,0
-4,49,4,4,3,1
-4,49,1,1,3,0
-5,50,4,3,3,1
-5,52,3,5,3,1
-4,45,1,1,3,0
-4,66,1,1,3,0
-4,68,4,4,3,1
-4,72,2,1,3,0
-5,64,?,?,3,0
-2,49,?,3,3,0
-3,44,?,4,3,0
-5,74,4,4,3,1
-5,58,4,4,3,1
-4,77,2,3,3,0
-4,49,3,1,3,0
-4,34,?,?,4,0
-5,60,4,3,3,1
-5,69,4,3,3,1
-4,53,2,1,3,0
-3,46,3,4,3,0
-5,74,4,4,3,1
-4,58,1,1,3,0
-5,68,4,4,3,1
-5,46,4,3,3,0
-5,61,2,4,3,1
-5,70,4,3,3,1
-5,37,4,4,3,1
-3,65,4,5,3,1
-4,67,4,4,3,0
-5,69,3,4,3,0
-5,76,4,4,3,1
-4,65,4,3,3,0
-5,72,4,2,3,1
-4,62,4,2,3,0
-5,42,4,4,3,1
-5,66,4,3,3,1
-5,48,4,4,3,1
-4,35,1,1,3,0
-5,60,4,4,3,1
-5,67,4,2,3,1
-5,78,4,4,3,1
-4,66,1,1,3,1
-4,26,1,1,?,0
-4,48,1,1,3,0
-4,31,1,1,3,0
-5,43,4,3,3,1
-5,72,2,4,3,0
-5,66,1,1,3,1
-4,56,4,4,3,0
-5,58,4,5,3,1
-5,33,2,4,3,1
-4,37,1,1,3,0
-5,36,4,3,3,1
-4,39,2,3,3,0
-4,39,4,4,3,1
-5,83,4,4,3,1
-4,68,4,5,3,1
-5,63,3,4,3,1
-5,78,4,4,3,1
-4,38,2,3,3,0
-5,46,4,3,3,1
-5,60,4,4,3,1
-5,56,2,3,3,1
-4,33,1,1,3,0
-4,?,4,5,3,1
-4,69,1,5,3,1
-5,66,1,4,3,1
-4,72,1,3,3,0
-4,29,1,1,3,0
-5,54,4,5,3,1
-5,80,4,4,3,1
-5,68,4,3,3,1
-4,35,2,1,3,0
-4,57,3,?,3,0
-5,?,4,4,3,1
-4,50,1,1,3,0
-4,32,4,3,3,0
-0,69,4,5,3,1
-4,71,4,5,3,1
-5,87,4,5,3,1
-3,40,2,?,3,0
-4,31,1,1,?,0
-4,64,1,1,3,0
-5,55,4,5,3,1
-4,18,1,1,3,0
-3,50,2,1,?,0
-4,53,1,1,3,0
-5,84,4,5,3,1
-5,80,4,3,3,1
-4,32,1,1,3,0
-5,77,3,4,3,1
-4,38,1,1,3,0
-5,54,4,5,3,1
-4,63,1,1,3,0
-4,61,1,1,3,0
-4,52,1,1,3,0
-4,36,1,1,3,0
-4,41,?,?,3,0
-4,59,1,1,3,0
-5,51,4,4,2,1
-4,36,1,1,3,0
-5,40,4,3,3,1
-4,49,1,1,3,0
-4,37,2,3,3,0
-4,46,1,1,3,0
-4,63,1,1,3,0
-4,28,2,1,3,0
-4,47,2,1,3,0
-4,42,2,1,3,1
-5,44,4,5,3,1
-4,49,4,4,3,0
-5,47,4,5,3,1
-5,52,4,5,3,1
-4,53,1,1,3,1
-5,83,3,3,3,1
-4,50,4,4,?,1
-5,63,4,4,3,1
-4,82,?,5,3,1
-4,54,1,1,3,0
-4,50,4,4,3,0
-5,80,4,5,3,1
-5,45,2,4,3,0
-5,59,4,4,?,1
-4,28,2,1,3,0
-4,31,1,1,3,0
-4,41,2,1,3,0
-4,21,3,1,3,0
-5,44,3,4,3,1
-5,49,4,4,3,1
-5,71,4,5,3,1
-5,75,4,5,3,1
-4,38,2,1,3,0
-4,60,1,3,3,0
-5,87,4,5,3,1
-4,70,4,4,3,1
-5,55,4,5,3,1
-3,21,1,1,3,0
-4,50,1,1,3,0
-5,76,4,5,3,1
-4,23,1,1,3,0
-3,68,?,?,3,0
-4,62,4,?,3,1
-5,65,1,?,3,1
-5,73,4,5,3,1
-4,38,2,3,3,0
-2,57,1,1,3,0
-5,65,4,5,3,1
-5,67,2,4,3,1
-5,61,2,4,3,1
-5,56,4,4,3,0
-5,71,2,4,3,1
-4,49,2,2,3,0
-4,55,?,?,3,0
-4,44,2,1,3,0
-0,58,4,4,3,0
-4,27,2,1,3,0
-5,73,4,5,3,1
-4,34,2,1,3,0
-5,63,?,4,3,1
-4,50,2,1,3,1
-4,62,2,1,3,0
-3,21,3,1,3,0
-4,49,2,?,3,0
-4,36,3,1,3,0
-4,45,2,1,3,1
-5,67,4,5,3,1
-4,21,1,1,3,0
-4,57,2,1,3,0
-5,66,4,5,3,1
-4,71,4,4,3,1
-5,69,3,4,3,1
-6,80,4,5,3,1
-3,27,2,1,3,0
-4,38,2,1,3,0
-4,23,2,1,3,0
-5,70,?,5,3,1
-4,46,4,3,3,0
-4,61,2,3,3,0
-5,65,4,5,3,1
-4,60,4,3,3,0
-5,83,4,5,3,1
-5,40,4,4,3,1
-2,59,?,4,3,0
-4,53,3,4,3,0
-4,76,4,4,3,0
-5,79,1,4,3,1
-5,38,2,4,3,1
-4,61,3,4,3,0
-4,56,2,1,3,0
-4,44,2,1,3,0
-4,64,3,4,?,1
-4,66,3,3,3,0
-4,50,3,3,3,0
-4,46,1,1,3,0
-4,39,1,1,3,0
-4,60,3,?,?,0
-5,55,4,5,3,1
-4,40,2,1,3,0
-4,26,1,1,3,0
-5,84,3,2,3,1
-4,41,2,2,3,0
-4,63,1,1,3,0
-2,65,?,1,2,0
-4,49,1,1,3,0
-4,56,2,2,3,1
-5,65,4,4,3,0
-4,54,1,1,3,0
-4,36,1,1,3,0
-5,49,4,4,3,0
-4,59,4,4,3,1
-5,75,4,4,3,1
-5,59,4,2,3,0
-5,59,4,4,3,1
-4,28,4,4,3,1
-5,53,4,5,3,0
-5,57,4,4,3,0
-5,77,4,3,4,0
-5,85,4,3,3,1
-4,59,4,4,3,0
-5,59,1,5,3,1
-4,65,3,3,3,1
-4,54,2,1,3,0
-5,46,4,5,3,1
-4,63,4,4,3,1
-4,53,1,1,3,1
-4,56,1,1,3,0
-5,66,4,4,3,1
-5,66,4,5,3,1
-4,55,1,1,3,0
-4,44,1,1,3,0
-5,86,3,4,3,1
-5,47,4,5,3,1
-5,59,4,5,3,1
-5,66,4,5,3,0
-5,61,4,3,3,1
-3,46,?,5,?,1
-4,69,1,1,3,0
-5,93,1,5,3,1
-4,39,1,3,3,0
-5,44,4,5,3,1
-4,45,2,2,3,0
-4,51,3,4,3,0
-4,56,2,4,3,0
-4,66,4,4,3,0
-5,61,4,5,3,1
-4,64,3,3,3,1
-5,57,2,4,3,0
-5,79,4,4,3,1
-4,57,2,1,?,0
-4,44,4,1,1,0
-4,31,2,1,3,0
-4,63,4,4,3,0
-4,64,1,1,3,0
-5,47,4,5,3,0
-5,68,4,5,3,1
-4,30,1,1,3,0
-5,43,4,5,3,1
-4,56,1,1,3,0
-4,46,2,1,3,0
-4,67,2,1,3,0
-5,52,4,5,3,1
-4,67,4,4,3,1
-4,47,2,1,3,0
-5,58,4,5,3,1
-4,28,2,1,3,0
-4,43,1,1,3,0
-4,57,2,4,3,0
-5,68,4,5,3,1
-4,64,2,4,3,0
-4,64,2,4,3,0
-5,62,4,4,3,1
-4,38,4,1,3,0
-5,68,4,4,3,1
-4,41,2,1,3,0
-4,35,2,1,3,1
-4,68,2,1,3,0
-5,55,4,4,3,1
-5,67,4,4,3,1
-4,51,4,3,3,0
-2,40,1,1,3,0
-5,73,4,4,3,1
-4,58,?,4,3,1
-4,51,?,4,3,0
-3,50,?,?,3,1
-5,59,4,3,3,1
-6,60,3,5,3,1
-4,27,2,1,?,0
-5,54,4,3,3,0
-4,56,1,1,3,0
-5,53,4,5,3,1
-4,54,2,4,3,0
-5,79,1,4,3,1
-5,67,4,3,3,1
-5,64,3,3,3,1
-4,70,1,2,3,1
-5,55,4,3,3,1
-5,65,3,3,3,1
-5,45,4,2,3,1
-4,57,4,4,?,1
-5,49,1,1,3,1
-4,24,2,1,3,0
-4,52,1,1,3,0
-4,50,2,1,3,0
-4,35,1,1,3,0
-5,?,3,3,3,1
-5,64,4,3,3,1
-5,40,4,1,1,1
-5,66,4,4,3,1
-4,64,4,4,3,1
-5,52,4,3,3,1
-5,43,1,4,3,1
-4,56,4,4,3,0
-4,72,3,?,3,0
-6,51,4,4,3,1
-4,79,4,4,3,1
-4,22,2,1,3,0
-4,73,2,1,3,0
-4,53,3,4,3,0
-4,59,2,1,3,1
-4,46,4,4,2,0
-5,66,4,4,3,1
-4,50,4,3,3,1
-4,58,1,1,3,1
-4,55,1,1,3,0
-4,62,2,4,3,1
-4,60,1,1,3,0
-5,57,4,3,3,1
-4,57,1,1,3,0
-6,41,2,1,3,0
-4,71,2,1,3,1
-4,32,2,1,3,0
-4,57,2,1,3,0
-4,19,1,1,3,0
-4,62,2,4,3,1
-5,67,4,5,3,1
-4,50,4,5,3,0
-4,65,2,3,2,0
-4,40,2,4,2,0
-6,71,4,4,3,1
-6,68,4,3,3,1
-4,68,1,1,3,0
-4,29,1,1,3,0
-4,53,2,1,3,0
-5,66,4,4,3,1
-4,60,3,?,4,0
-5,76,4,4,3,1
-4,58,2,1,2,0
-5,96,3,4,3,1
-5,70,4,4,3,1
-4,34,2,1,3,0
-4,59,2,1,3,0
-4,45,3,1,3,1
-5,65,4,4,3,1
-4,59,1,1,3,0
-4,21,2,1,3,0
-3,43,2,1,3,0
-4,53,1,1,3,0
-4,65,2,1,3,0
-4,64,2,4,3,1
-4,53,4,4,3,0
-4,51,1,1,3,0
-4,59,2,4,3,0
-4,56,2,1,3,0
-4,60,2,1,3,0
-4,22,1,1,3,0
-4,25,2,1,3,0
-6,76,3,?,3,0
-5,69,4,4,3,1
-4,58,2,1,3,0
-5,62,4,3,3,1
-4,56,4,4,3,0
-4,64,1,1,3,0
-4,32,2,1,3,0
-5,48,?,4,?,1
-5,59,4,4,2,1
-4,52,1,1,3,0
-4,63,4,4,3,0
-5,67,4,4,3,1
-5,61,4,4,3,1
-5,59,4,5,3,1
-5,52,4,3,3,1
-4,35,4,4,3,0
-5,77,3,3,3,1
-5,71,4,3,3,1
-5,63,4,3,3,1
-4,38,2,1,2,0
-5,72,4,3,3,1
-4,76,4,3,3,1
-4,53,3,3,3,0
-4,67,4,5,3,0
-5,69,2,4,3,1
-4,54,1,1,3,0
-2,35,2,1,2,0
-5,68,4,3,3,1
-4,68,4,4,3,0
-4,67,2,4,3,1
-3,39,1,1,3,0
-4,44,2,1,3,0
-4,33,1,1,3,0
-4,60,?,4,3,0
-4,58,1,1,3,0
-4,31,1,1,3,0
-3,23,1,1,3,0
-5,56,4,5,3,1
-4,69,2,1,3,1
-6,63,1,1,3,0
-4,65,1,1,3,1
-4,44,2,1,2,0
-4,62,3,3,3,1
-4,67,4,4,3,1
-4,56,2,1,3,0
-4,52,3,4,3,0
-4,43,1,1,3,1
-4,41,4,3,2,1
-4,42,3,4,2,0
-3,46,1,1,3,0
-5,55,4,4,3,1
-5,58,4,4,2,1
-5,87,4,4,3,1
-4,66,2,1,3,0
-0,72,4,3,3,1
-5,60,4,3,3,1
-5,83,4,4,2,1
-4,31,2,1,3,0
-4,53,2,1,3,0
-4,64,2,3,3,0
-5,31,4,4,2,1
-5,62,4,4,2,1
-4,56,2,1,3,0
-5,58,4,4,3,1
-4,67,1,4,3,0
-5,75,4,5,3,1
-5,65,3,4,3,1
-5,74,3,2,3,1
-4,59,2,1,3,0
-4,57,4,4,4,1
-4,76,3,2,3,0
-4,63,1,4,3,0
-4,44,1,1,3,0
-4,42,3,1,2,0
-4,35,3,?,2,0
-5,65,4,3,3,1
-4,70,2,1,3,0
-4,48,1,1,3,0
-4,74,1,1,1,1
-6,40,?,3,4,1
-4,63,1,1,3,0
-5,60,4,4,3,1
-5,86,4,3,3,1
-4,27,1,1,3,0
-4,71,4,5,2,1
-5,85,4,4,3,1
-4,51,3,3,3,0
-6,72,4,3,3,1
-5,52,4,4,3,1
-4,66,2,1,3,0
-5,71,4,5,3,1
-4,42,2,1,3,0
-4,64,4,4,2,1
-4,41,2,2,3,0
-4,50,2,1,3,0
-4,30,1,1,3,0
-4,67,1,1,3,0
-5,62,4,4,3,1
-4,46,2,1,2,0
-4,35,1,1,3,0
-4,53,1,1,2,0
-4,59,2,1,3,0
-4,19,3,1,3,0
-5,86,2,1,3,1
-4,72,2,1,3,0
-4,37,2,1,2,0
-4,46,3,1,3,1
-4,45,1,1,3,0
-4,48,4,5,3,0
-4,58,4,4,3,1
-4,42,1,1,3,0
-4,56,2,4,3,1
-4,47,2,1,3,0
-4,49,4,4,3,1
-5,76,2,5,3,1
-5,62,4,5,3,1
-5,64,4,4,3,1
-5,53,4,3,3,1
-4,70,4,2,2,1
-5,55,4,4,3,1
-4,34,4,4,3,0
-5,76,4,4,3,1
-4,39,1,1,3,0
-2,23,1,1,3,0
-4,19,1,1,3,0
-5,65,4,5,3,1
-4,57,2,1,3,0
-5,41,4,4,3,1
-4,36,4,5,3,1
-4,62,3,3,3,0
-4,69,2,1,3,0
-4,41,3,1,3,0
-3,51,2,4,3,0
-5,50,3,2,3,1
-4,47,4,4,3,0
-4,54,4,5,3,1
-5,52,4,4,3,1
-4,30,1,1,3,0
-3,48,4,4,3,1
-5,?,4,4,3,1
-4,65,2,4,3,1
-4,50,1,1,3,0
-5,65,4,5,3,1
-5,66,4,3,3,1
-6,41,3,3,2,1
-5,72,3,2,3,1
-4,42,1,1,1,1
-4,80,4,4,3,1
-0,45,2,4,3,0
-4,41,1,1,3,0
-4,72,3,3,3,1
-4,60,4,5,3,0
-5,67,4,3,3,1
-4,55,2,1,3,0
-4,61,3,4,3,1
-4,55,3,4,3,1
-4,52,4,4,3,1
-4,42,1,1,3,0
-5,63,4,4,3,1
-4,62,4,5,3,1
-4,46,1,1,3,0
-4,65,2,1,3,0
-4,57,3,3,3,1
-4,66,4,5,3,1
-4,45,1,1,3,0
-4,77,4,5,3,1
-4,35,1,1,3,0
-4,50,4,5,3,1
-4,57,4,4,3,0
-4,74,3,1,3,1
-4,59,4,5,3,0
-4,51,1,1,3,0
-4,42,3,4,3,1
-4,35,2,4,3,0
-4,42,1,1,3,0
-4,43,2,1,3,0
-4,62,4,4,3,1
-4,27,2,1,3,0
-5,?,4,3,3,1
-4,57,4,4,3,1
-4,59,2,1,3,0
-5,40,3,2,3,1
-4,20,1,1,3,0
-5,74,4,3,3,1
-4,22,1,1,3,0
-4,57,4,3,3,0
-4,57,4,3,3,1
-4,55,2,1,2,0
-4,62,2,1,3,0
-4,54,1,1,3,0
-4,71,1,1,3,1
-4,65,3,3,3,0
-4,68,4,4,3,0
-4,64,1,1,3,0
-4,54,2,4,3,0
-4,48,4,4,3,1
-4,58,4,3,3,0
-5,58,3,4,3,1
-4,70,1,1,1,0
-5,70,1,4,3,1
-4,59,2,1,3,0
-4,57,2,4,3,0
-4,53,4,5,3,0
-4,54,4,4,3,1
-4,53,2,1,3,0
-0,71,4,4,3,1
-5,67,4,5,3,1
-4,68,4,4,3,1
-4,56,2,4,3,0
-4,35,2,1,3,0
-4,52,4,4,3,1
-4,47,2,1,3,0
-4,56,4,5,3,1
-4,64,4,5,3,0
-5,66,4,5,3,1
-4,62,3,3,3,0

mammography.py

@@ -1,132 +0,0 @@
-"""Mammography"""
-
-from typing import List
-from functools import partial
-
-import datasets
-
-import pandas
-
-
-VERSION = datasets.Version("1.0.0")
-_ORIGINAL_FEATURE_NAMES = [
-    "rads",
-    "age",
-    "lesion_shape",
-    "margin",
-    "density",
-    "is_severe"
-]
-_BASE_FEATURE_NAMES = [
-    "age",
-    "lesion_shape",
-    "margin",
-    "density",
-    "is_severe"
-]
-_ENCODING_DICS = {
-    "lesion_shape": {
-        "1": "round",
-        "2": "oval",
-        "3": "lobular",
-        "4": "irregular",
-    },
-    "margin": {
-        "1": "circumbscribed",
-        "2": "microlobulated",
-        "3": "obscured",
-        "4": "ill-defined",
-        "5": "spiculated",
-    },
-    "density": {
-        "1": "high",
-        "2": "iso",
-        "3": "low",
-        "4": "fat-containing",
-        "5": "spiculated",
-    }
-}
-
-DESCRIPTION = "Mammography dataset from the UCI ML repository."
-_HOMEPAGE = "https://archive.ics.uci.edu/ml/datasets/Mammography"
-_URLS = ("https://huggingface.co/datasets/mstz/mammography/raw/mammography_masses.data")
-_CITATION = """
-@misc{misc_mammographic_mass_161,
-  author       = {Elter,Matthias},
-  title        = {{Mammographic Mass}},
-  year         = {2007},
-  howpublished = {UCI Machine Learning Repository},
-  note         = {{DOI}: \\url{10.24432/C53K6Z}}
-}"""
-
-# Dataset info
-urls_per_split = {
-    "train": "https://huggingface.co/datasets/mstz/mammography/raw/main/mammographic_masses.data"
-}
-features_types_per_config = {
-    "mammography": {
-        "age": datasets.Value("int8"),
-        "lesion_shape": datasets.Value("string"),
-        "margin": datasets.Value("string"),
-        "density": datasets.Value("string"),
-        "is_severe": datasets.ClassLabel(num_classes=2, names=("no", "yes"))
-    }
-}
-features_per_config = {k: datasets.Features(features_types_per_config[k]) for k in features_types_per_config}
-
-
-class MammographyConfig(datasets.BuilderConfig):
-    def __init__(self, **kwargs):
-        super(MammographyConfig, self).__init__(version=VERSION, **kwargs)
-        self.features = features_per_config[kwargs["name"]]
-
-
-class Mammography(datasets.GeneratorBasedBuilder):
-    # dataset versions
-    DEFAULT_CONFIG = "mammography"
-    BUILDER_CONFIGS = [       
-        MammographyConfig(name="mammography",
-                          description="Mammography for binary classification.")
-    ]
-
-
-    def _info(self):
-        info = datasets.DatasetInfo(description=DESCRIPTION, citation=_CITATION, homepage=_HOMEPAGE,
-                                    features=features_per_config[self.config.name])
-
-        return info
-    
-    def _split_generators(self, dl_manager: datasets.DownloadManager) -> List[datasets.SplitGenerator]:
-        downloads = dl_manager.download_and_extract(urls_per_split)
-
-        return [
-            datasets.SplitGenerator(name=datasets.Split.TRAIN, gen_kwargs={"filepath": downloads["train"]})
-        ]
-    
-    def _generate_examples(self, filepath: str):
-        data = pandas.read_csv(filepath, header=None)
-        data.columns = _ORIGINAL_FEATURE_NAMES
-        
-        data.drop("rads", axis="columns", inplace=True)
-        data = data[data.age != "?"]
-        data = data[data.lesion_shape != "?"]
-        data = data[data.margin != "?"]
-        data = data[data.density != "?"]
-        data = data.infer_objects()
-        for feature in _ENCODING_DICS:
-            print(feature)
-            print("?" in data[feature])
-            print(data[feature].unique())
-            encoding_function = partial(self.encode, feature)
-            data.loc[:, feature] = data[feature].apply(encoding_function)
-
-        for row_id, row in data.iterrows():
-            data_row = dict(row)
-
-            yield row_id, data_row
-
-
-    def encode(self, feature, value):
-        if feature in _ENCODING_DICS:
-            return _ENCODING_DICS[feature][value]
-        raise ValueError(f"Unknown feature: {feature}")

mammography/mammography-train.parquet

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7d4afed58fd4120ff611c70602a60beccf64cd9e497ee24bd7df134cea2dd6b4
+size 4647