Датасет — это обработанный и структурированный массив данных, который используется для построения гипотез, выводов или обучения нейросетей. 3

Обычно датасет организован в виде таблицы, где каждая строка представляет собой отдельное наблюдение или экземпляр, а столбцы — признаки или переменные, характеризующие каждое наблюдение. 1

Датасеты применяются в разных сферах, например, в медицине для диагностики заболеваний, в финансах для анализа кредитоспособности и обнаружения мошенничества, а также в маркетинге для сегментации клиентов и предсказания их поведения. 3

В зависимости от типа и структуры данных, датасеты можно разделить на три основные категории: 1

• Структурированные. 1 Содержат информацию, которая строго организована и легко распознаётся машинами. 1 Примером могут быть таблицы в БД, где каждый столбец имеет определённый тип данных (числовой, строковый, даты и т.д.), а каждая строка представляет собой одну запись. 1
• Полуструктурированные. 1 Содержат информацию, которая имеет некоторую структуру, но не такую строгую, как в структурированных датасетах. 1 Примером такого типа могут быть файлы JSON или XML, которые имеют иерархическую структуру, но типы данных могут отличаться от записи к записи. 1
• Неструктурированные. 1 Включают данные без определённой формы или структуры. 1 Это могут быть тексты, изображения, видео и др., которые не могут быть легко разбиты на столбцы и строки. 1