You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2e5cacb967c1e9dfd07809bfc441a0b4",
"translation_date": "2025-08-25T17:01:00+00:00",
"source_file": "1-Introduction/03-defining-data/assignment.md",
"language_code": "zh"
}
-->
# 数据集分类
## 说明
按照本作业中的提示，识别并分类数据为以下每种数据类型之一：
** 结构类型**：结构化、半结构化或非结构化
** 数值类型**：定性或定量
** 来源类型**：原始数据或二手数据
1. 一家公司被收购，现在有了母公司。数据科学家从母公司收到了一份包含客户电话号码的电子表格。
结构类型：
数值类型：
来源类型：
---
2. 一款智能手表正在收集佩戴者的心率数据，原始数据以 JSON 格式存储。
结构类型：
数值类型：
来源类型：
---
3. 一份关于员工士气的职场调查，数据存储在一个 CSV 文件中。
结构类型：
数值类型：
来源类型：
---
4. 天体物理学家正在访问由太空探测器收集的星系数据库。数据包含每个星系中的行星数量。
结构类型：
数值类型：
来源类型：
---
5. 一款个人理财应用通过 API 连接用户的金融账户，以计算其净资产。用户可以看到所有交易记录，格式为行和列，类似于电子表格。
结构类型：
数值类型：
来源类型：
## 评分标准
优秀 | 合格 | 需要改进
--- | --- | --- |
正确识别所有结构、数值和来源类型 | 正确识别 3 个结构、数值和来源类型 | 正确识别 2 个或更少的结构、数值和来源类型 |
** 免责声明**：
本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。
