uk_retail_store_synthetic_dataset
קוד פתוחstrova-aiapache-2.02025-08-26
מאגר נתונים סינתטי שמחקה עסקאות קמעונאיות בבריטניה בטבלה פשוטה. הוא מתאים למי שרוצה לאמן מודלים על נתוני מכירות בלי להסתבך עם בעיות פרטיות של לקוחות אמיתיים.
- 35הורדות בחודש
- 44לייקים
מה זה
המאגר מדמה נתוני עסקאות קמעונאיות מבריטניה ומכיל בין אלף לעשרת אלפים שורות. המבנה שלו מורכב מעמודות טבלאיות מוכרות בעולם המסחר: מזהה לקוח, תאריך חשבונית, כמות פריטים שנרכשו, מחיר ליחידה, קוד מלאי של המוצר ומדינה. המטרה כאן היא לתת מבנה נתונים עסקי בלי לחשוף פרטים מזהים של משתמשים אמיתיים.
הנתונים כולם סינתטיים ונוצרו על ידי חברת Syncora.ai כדי להדגים מחולל נתונים, ולא נאספו ישירות מקופות או ממערכות מידע אמיתיות. המפרסמים לא מפרטים באילו אלגוריתמים בדיוק הם השתמשו לייצור או אילו מסננים הופעלו על הרשומות, ואין במאגר חלוקה מוגדרת מראש לסט אימון, בדיקה או ולידציה.
מתאים ל
- אימון מודלי רגרסיה
חיזוי כמויות רכישה ומחירים על בסיס נתוני עסקאות קודמות.
- המרת טבלאות לטקסט
אימון מודלי שפה לניסוח תיאורים מילוליים של שורות עסקה.
- בדיקת צינורות עיבוד נתונים
ולידציה של מערכות אנליטיקה וטעינת נתונים ללא סיכון פרטיות.
איפה זה נופל
זהו מאגר קטן מאוד, שמכיל עד עשרת אלפים רשומות בלבד, כך שהוא לא יספיק לבדו לאימון מודל שפה גדול מאפס. בנוסף, מדובר במידע סינתטי לחלוטין שלא מבוסס על ולידציה מול התנהגות קונים אמיתית, מה שעלול לייצר דפוסים מלאכותיים מדי. הנתונים מוגבלים לשפה האנגלית, מתייחסים להקשר בריטי בלבד, והכרטיס לא מספק מידע על תאריכי העסקאות או על טווח הזמן שהם מייצגים.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, הרישיון המדווח הוא רישיון אפאצ'י 2.0 המאפשר שימוש מסחרי מלא. אתם יכולים לאמן מודלים ולשלב אותם במערכות מסחריות ללא תשלום, בכפוף למתן קרדיט כנדרש ברישיון.
האם יש במאגר תמיכה בשפה העברית?
לא, הנתונים מתויגים באנגלית בלבד. שמות העמודות, הערכים וההקשר הכללי מותאמים לשוק הקמעונאי בבריטניה ולא כוללים טקסט מקומי.
באיזה גודל המאגר ומספר השורות שבו?
המאגר כולל בין אלף לעשרת אלפים רשומות סך הכל, ומכיל קובץ CSV בודד יחד עם מחברת קוד. מדובר בקובץ קל משקל שאינו דורש משאבי אחסון או חומרה כבדים.
איך נאספו הנתונים האלה?
הנתונים לא נאספו מחנות פיזית אמיתית אלא הופקו בצורה סינתטית על ידי כלי של Syncora.ai. הם מדמים מבנה טבלאי של עסקאות קמעונאיות בלי לחשוף מידע אישי על לקוחות.
איך טוענים
אין צורך לבקש אישור גישה מיוחד, המאגר פתוח להורדה ישירה דרך קובץ uk-retail.csv שנמצא במאגר לצד מחברת Jupyter שמציגה את אופן העבודה איתו. לא מדובר בנפח כבד, כך שאפשר לקרוא אותו ישירות עם ספריית פנדס בפייתון או לטעון בעזרת ספריית הדאטהסטים הרגילה. השדות המרכזיים שצריך לשים לב אליהם בעת הטעינה הם המחיר ליחידה, הכמות ותאריך החשבונית, במיוחד אם אתם מכוונים למשימות של רגרסיה או חיזוי מכירות.
from datasets import load_dataset
ds = load_dataset("strova-ai/uk_retail_store_synthetic_dataset")הרישיון
המאגר מופץ תחת רישיון apache-2.0, שמאפשר שימוש חופשי לחלוטין, כולל שימוש מסחרי, שינוי של הנתונים והפצה שלהם. אתם יכולים לאמן עליו מודלים מסחריים בלי לחלוק את המשקלים או את קוד המקור, כל עוד אתם שומרים על הודעת זכויות היוצרים והרישיון המקורי בקבצים הרלוונטיים.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים