The aggregate features for inspecti

The aggregate features for inspections and tests are listed and described in Figure 5. At the spatial and temporal scales in Figure 4 there are a total of 63 suchfeatures.For each ve year period ending in 2009 to 2013,the 5-year ACS survey gives us tract-level statistics. Fea-tures include educational achievement (e.g. percent-age of adults who are college graduates), wealth (e.g.percentage of households below the poverty line), andhealth (e.g. percentage of minors that are uninsured).There are 21 such features.The data pipeline is visualized in Figure 6. We used PostgreSQL with the geospatial extension PostGIS for data cleaning and aggregation. Deduplication and dataset assem-bly is done in Python and models are run using the scikit-learn module. The source code is available at the Data Sci-ence for Social Good GitHub repository.

結果 (繁體中文) 1:

用於檢查和測試的聚集體特徵中列出並在圖4中，總共有63如在圖5中描述的在空間和時間尺度
特徵。
對於每一個已經一年期截至2009年至2013年，5年ACS調查給我們道一級的統計數據。FEA-特性包括教育成果（如成年人誰是大學畢業生的百分比），財富（在貧困線以下的家庭egpercentage）和
健康（如那些沒有保險的未成年人的百分比）。
有21個這樣的功能。
數據管道可視化圖6中
我們使用的PostgreSQL與地理空間擴展PostGIS的數據清洗和聚集。重複數據刪除和數據集ASSEM -布萊在Python和模型進行使用scikit-運行
獲知模塊。源代碼可在數據Sci-
ENCE社會良好的GitHub庫。

結果 (繁體中文) 2:

圖 5 列出了檢查和測試的聚合功能。在圖 4 的空間和時間尺度上，共有 63 個這樣的
特徵。
在 2009 年至 2013 年止的每個年，5 年 ACS 調查都為我們提供了單據級統計資料。教育成就包括教育成就（例如大學畢業生成人的百分比）、財富（如貧困線以下家庭的百分比）和
健康（例如，未投保的未成年人的百分比）。
有 21 個這樣的功能。
資料管道如圖 6 所示。
我們使用 PostgreSQL 和地理空間擴展 PostGIS 進行資料清理和聚合。重復資料消除和資料集類比在 Python 中完成，模型使用 skit-
學習模組。原始程式碼可在資料科學
社會良好 GitHub 存儲庫。 ...

結果 (繁體中文) 3:

圖5列出並描述了用於檢查和測試的聚合特性。在圖4的時空尺度上，共有63個這樣的
特徵。
截至2009年至2013年的每一個ve年，ACS的5年調查為我們提供了土地級別的統計資料。特徵包括教育成就（例如大學畢業生的成人年齡百分比）、財富（例如貧困線以下家庭的百分比）和
健康（例如未投保的未成年人的百分比）。
有21個這樣的特點。
數據筦道如圖6所示。
我們使用PostgreSQL和地理空間擴展PostGIS進行數據清理和聚合。重複數據消除和數据集組裝在Python中完成，模型使用scikit運行-
學習模塊。原始程式碼可在數據Sci上獲得-
ence for Social Good GitHub存儲庫。