贝叶斯网络生成 (BNG) 数据集是一组在 OpenML 上公开可用的人工生成数据集。生成这些数据集是为了满足对大量异构大型数据集的需求。这篇论文最好地描述了 BNG 生成器： Algorithm Selection on Data Streams。

论文中关于 BNG 数据生成器的小引语：

生成器将数据集作为输入，并输出包含类似概念的数据流，并具有预定义的实例数量。输入数据集通过以下操作进行预处理：首先将所有缺失值替换为该属性的多数值，然后使用 Weka 的分箱算法对数字属性进行离散化。

个人说明：对于一般的机器学习研究，我会避免使用 BNG（或任何其他类型的人工生成）数据集，因为这个概念通常比原始数据集更简单。相反，建议使用按定义的基准测试套件，例如OpenML-100。