根据名称中的字符序列预测种族/民族
项目描述
种族：从名称预测种族和民族
我们利用 Skiena 及其同事收集的美国人口普查数据、佛罗里达州投票登记数据和维基百科数据，根据名字和姓氏或仅姓氏来预测种族和民族。我们预测比赛的粒度取决于数据集。例如，Skiena 等人。维基百科的数据是在族群层面，而我们在模型中使用的人口普查数据（原始数据有额外的美洲原住民和混血儿类别）仅在非西班牙裔白人、非西班牙裔黑人、亚洲人和西班牙裔之间进行分类.
角钱竞赛
注意事项和注意事项
如果您在 2010 年从美国随机挑选了一个姓氏为“史密斯”的人，并要求我们猜测此人的种族（与人口普查一样粗略地衡量），那么最好的猜测将基于汇总的人口普查文件中的可用信息. 这是贝叶斯最优解。那么只有姓氏的预测模型有什么用呢？一些事情——如果你想更细化地估算种族，猜测不同年份的人的种族（如果某些假设成立，则比进行人口普查时进行），猜测不同国家的人的种族（再次假设某些假设持有），当名字略有不同时（同样有一些假设）等等。最大的好处来自于名字和姓氏都知道的情况。
安装
我们强烈建议在 Python 虚拟环境中安装种族颜色（请参阅venv文档）
pip install ethnicolr
或者
conda install -c soodoku ethnicolr
- 笔记：
这些模型使用 Python 3.7 和 3.8 在 TensorFlow 2.x 上运行和验证，并且更低版本可以工作。TensorFlow 1.x 已被弃用。
如果您在 Windows 上安装，Theano 安装通常需要管理员。shell 上的权限。
通用 API
要查看任何函数的可用命令行选项，请输入 <function-name> --help
# census_ln --help
usage: census_ln [-h] [-y {2000,2010}] [-o OUTPUT] -l LAST input
Appends Census columns by last name
positional arguments:
input Input file
optional arguments:
-h, --help show this help message and exit
-y {2000,2010}, --year {2000,2010}
Year of Census data (default=2000)
-o OUTPUT, --output OUTPUT
Output file with Census data columns
-l LAST, --last LAST Name or index location of column contains the last
name
例子
要将 2010 年的人口普查数据附加到没有列标题且第一列带有姓氏的文件中，请使用-l 0
census_ln -y 2010 -o output-census2010.csv -l 0 input-without-header.csv
要将 2010 年的人口普查数据附加到第一行具有列标题的文件中，请使用-l选项指定带有姓氏的列名，其余部分保持不变：
census_ln -y 2010 -o output-census2010.csv -l last_name input-with-header.csv
要使用维基百科全名模型预测种族/民族，如果输入文件没有任何列标题，则必须使用-l和-f分别指定携带姓氏和名字的列的索引（第一列有索引0)。
pred_wiki_name -o output-wiki-pred-race.csv -l 0 -f 1 input-without-header.csv
并且要使用维基百科全名模型预测具有列标题的文件的种族/民族，您可以分别使用-l和-f标志指定姓氏和名字的列名。
pred_wiki_name -o output-wiki-pred-race.csv -l last_name -f first_name input-with-header.csv
功能
我们公开了 6 个函数，每个函数都采用 pandas DataFrame 或 CSV。如果 CSV 没有标题，我们对数据的位置做出一些假设：
census_ln（df，namecol，年份=2000）
它能做什么：
去除多余的空间
对于人口普查文件中的姓名，它会附加有关所提供姓名属于某个种族/民族的概率的相关数据
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list, int}包含姓氏的列的名称或位置的字符串或列表
Year : {2000, 2010}，默认=2000使用的人口普查年份
输出：将以下列追加到 pandas DataFrame 或 CSV：pctwhite、pctblack、pctapi、pctaian、pct2prace、pcthispanic。请参阅此处 了解列名的含义。
>>> import pandas as pd >>> from ethnicolr import census_ln, pred_census_ln >>> names = [{'name': 'smith'}, ... {'name': 'zhang'}, ... {'name': 'jackson'}] >>> df = pd.DataFrame(names) >>> df name 0 smith 1 zhang 2 jackson >>> census_ln(df, 'name') name pctwhite pctblack pctapi pctaian pct2prace pcthispanic 0 smith 73.35 22.22 0.40 0.85 1.63 1.56 1 zhang 0.61 0.09 98.16 0.02 0.96 0.16 2 jackson 41.93 53.02 0.31 1.04 2.18 1.53pred_census_ln(df, namecol, year=2000, num_iter=100, conf_int=0.9)
它能做什么：
删除多余的空间。
使用姓氏人口普查 2000 模型或 姓氏人口普查 2010 模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list, int}包含姓氏的列的名称或位置的字符串或列表
year : {2000, 2010}，默认=2000使用的人口普查年份
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：race（白人、黑人、亚洲人或西班牙裔）、api（亚洲人的百分比）、黑色、西班牙裔、白人。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
（使用上面示例中的相同数据框）
>>> census_ln(df, 'name') name pctwhite pctblack pctapi pctaian pct2prace pcthispanic 0 smith 73.35 22.22 0.40 0.85 1.63 1.56 1 zhang 0.61 0.09 98.16 0.02 0.96 0.16 2 jackson 41.93 53.02 0.31 1.04 2.18 1.53 >>> census_ln(df, 'name', 2010) name race pctwhite pctblack pctapi pctaian pct2prace pcthispanic 0 smith white 70.9 23.11 0.5 0.89 2.19 2.4 1 zhang api 0.99 0.16 98.06 0.02 0.62 0.15 2 jackson black 39.89 53.04 0.39 1.06 3.12 2.5 >>> pred_census_ln(df, 'name') name race api black hispanic white 0 smith white 0.002019 0.247235 0.014485 0.736260 1 zhang api 0.997807 0.000149 0.000470 0.001574 2 jackson black 0.002797 0.528193 0.014605 0.454405pred_wiki_ln（df，namecol，num_iter=100，conf_int=0.9）
它能做什么：
删除多余的空间。
使用姓氏 wiki 模型来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list, int}包含姓氏的列的名称或位置的字符串或列表
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列追加到 pandas DataFrame 或 CSV：race（分类变量 - 概率最高的类别）、“Asian,GreaterEastAsian,EastAsian”、“Asian,GreaterEastAsian,Japanese”、“Asian,IndianSubContinent”、“GreaterAfrican,非洲人”、“大非洲人、穆斯林”、“大欧洲人、英国人”、“大欧洲人、东欧人”、“大欧洲人、犹太人”、“大欧洲人、西欧人、法国人”、“大欧洲人、西欧人、日耳曼人”、“大欧洲人、西欧人、西班牙人” , “GreaterEuropean,WestEuropean,Italian”,“GreaterEuropean,WestEuropean,Nordic”。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
>>> import pandas as pd >>> names = [ ... {"last": "smith", "first": "john", "true_race": "GreaterEuropean,British"}, ... { ... "last": "zhang", ... "first": "simon", ... "true_race": "Asian,GreaterEastAsian,EastAsian", ... }, ... ] >>> df = pd.DataFrame(names) >>> from ethnicolr import pred_wiki_ln, pred_wiki_name >>> odf = pred_wiki_ln(df,'last') ['Asian,GreaterEastAsian,EastAsian', 'Asian,GreaterEastAsian,Japanese', 'Asian,IndianSubContinent', 'GreaterAfrican,Africans', 'GreaterAfrican,Muslim', 'GreaterEuropean,British', 'GreaterEuropean,EastEuropean', 'GreaterEuropean,Jewish', 'GreaterEuropean,WestEuropean,French', 'GreaterEuropean,WestEuropean,Germanic', 'GreaterEuropean,WestEuropean,Hispanic', 'GreaterEuropean,WestEuropean,Italian', 'GreaterEuropean,WestEuropean,Nordic'] >>> odf last first ... GreaterEuropean,WestEuropean,Nordic_ub race 0 Smith john ... 0.004559 GreaterEuropean,British 1 Zhang simon ... 0.004076 Asian,GreaterEastAsian,EastAsian [2 rows x 57 columns] >>> odf.iloc[0,:8] last Smith first john true_race GreaterEuropean,British Asian,GreaterEastAsian,EastAsian_mean 0.004554 Asian,GreaterEastAsian,EastAsian_std 0.003358 Asian,GreaterEastAsian,EastAsian_lb 0.000535 Asian,GreaterEastAsian,EastAsian_ub 0.000705 Name: 0, dtype: objectpred_wiki_name（df，namecol，num_iter=100，conf_int=0.9）
它能做什么：
删除多余的空间。
使用全名wiki模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list}包含名字、姓氏、中间名和后缀（如果有）的列的名称或位置的字符串或列表。名字和姓氏列是必需的。如果没有后缀列的中间名，则假定没有中间名或后缀。
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：race（分类变量 - 概率最高的类别）、“Asian、GreaterEastAsian、EastAsian”、“Asian、GreaterEastAsian、Japanese”、“Asian,IndianSubContinent”、“GreaterAfrican、非洲人”、“大非洲人、穆斯林”、“大欧洲人、英国人”、“大欧洲人、东欧人”、“大欧洲人、犹太人”、“大欧洲人、西欧人、法国人”、“大欧洲人、西欧人、日耳曼人”、“大欧洲人、西欧人、西班牙人” , “GreaterEuropean,WestEuropean,Italian”,“GreaterEuropean,WestEuropean,Nordic”。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
（使用上面示例中的相同数据框）
>>> odf = pred_wiki_name(df, 'last', 'first') ['Asian,GreaterEastAsian,EastAsian', 'Asian,GreaterEastAsian,Japanese', 'Asian,IndianSubContinent', 'GreaterAfrican,Africans', 'GreaterAfrican,Muslim', 'GreaterEuropean,British', 'GreaterEuropean,EastEuropean', 'GreaterEuropean,Jewish', 'GreaterEuropean,WestEuropean,French', 'GreaterEuropean,WestEuropean,Germanic', 'GreaterEuropean,WestEuropean,Hispanic', 'GreaterEuropean,WestEuropean,Italian', 'GreaterEuropean,WestEuropean,Nordic'] >>> odf last first ... GreaterEuropean,WestEuropean,Nordic_ub race 0 Smith john ... 0.000236 GreaterEuropean,British 1 Zhang simon ... 0.000021 Asian,GreaterEastAsian,EastAsian [2 rows x 58 columns] >>> odf.iloc[1,:8] last Zhang first simon true_race Asian,GreaterEastAsian,EastAsian Asian,GreaterEastAsian,EastAsian_mean 0.890619 Asian,GreaterEastAsian,EastAsian_std 0.119097 Asian,GreaterEastAsian,EastAsian_lb 0.391496 Name: 1, dtype: object
pred_fl_reg_ln（df，namecol，num_iter=100，conf_int=0.9）
它能做什么？：
删除额外的空间，如果有的话。
使用姓氏 FL 注册模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list, int}包含姓氏的列的名称或位置的字符串或列表
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：种族（白人、黑人、亚洲人或西班牙裔）、亚洲人（亚洲人的百分比）、西班牙裔、nh_black、nh_white。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
>>> import pandas as pd >>> names = [ ... {"last": "sawyer", "first": "john", "true_race": "nh_white"}, ... {"last": "torres", "first": "raul", "true_race": "hispanic"}, ... ] >>> df = pd.DataFrame(names) >>> from ethnicolr import pred_fl_reg_ln, pred_fl_reg_name, pred_fl_reg_ln_five_cat, pred_fl_reg_name_five_cat >>> odf = pred_fl_reg_ln(df, 'last') ['asian', 'hispanic', 'nh_black', 'nh_white'] >>> odf last first true_race asian_mean asian_std ... nh_black_ub nh_white_mean nh_white_std nh_white_lb nh_white_ub race 0 Sawyer john nh_white 0.004004 0.004483 ... 0.015442 0.908452 0.035121 0.722879 0.804443 nh_white 1 Torres raul hispanic 0.005882 0.002249 ... 0.005305 0.182575 0.072142 0.074511 0.090856 hispanic [2 rows x 21 columns] >>> odf.iloc[0] last Sawyer first john true_race nh_white asian_mean 0.004004 asian_std 0.004483 asian_lb 0.000899 asian_ub 0.00103 hispanic_mean 0.034227 hispanic_std 0.01294 hispanic_lb 0.017406 hispanic_ub 0.017625 nh_black_mean 0.053317 nh_black_std 0.028634 nh_black_lb 0.010537 nh_black_ub 0.015442 nh_white_mean 0.908452 nh_white_std 0.035121 nh_white_lb 0.722879 nh_white_ub 0.804443 race nh_white Name: 0, dtype: objectpred_fl_reg_name（df，namecol，num_iter=100，conf_int=0.9）
它能做什么：
删除多余的空间。
使用全名FL模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list}包含名字、姓氏、中间名和后缀（如果有）的列的名称或位置的字符串或列表。名字和姓氏列是必需的。如果没有后缀列的中间名，则假定没有中间名或后缀。
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：种族（白人、黑人、亚洲人或西班牙裔）、亚洲人（亚洲人的百分比）、西班牙裔、nh_black、nh_white。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
（使用上面示例中的相同数据框）
>>> odf = pred_fl_reg_name(df, 'last', 'first') ['asian', 'hispanic', 'nh_black', 'nh_white'] >>> odf last first true_race asian_mean ... nh_black_ub nh_white_mean nh_white_std nh_white_lb nh_white_ub race 0 Sawyer john nh_white 0.001196 ... 0.005450 0.971152 0.015757 0.915592 0.918630 nh_white 1 Torres raul hispanic 0.004770 ... 0.000885 0.066303 0.028486 0.022593 0.024143 hispanic [2 rows x 22 columns] >>> odf.iloc[1] last Torres first raul true_race hispanic asian_mean 0.00477 asian_std 0.002943 asian_lb 0.000904 asian_ub 0.001056 hispanic_mean 0.9251 hispanic_std 0.032224 hispanic_lb 0.829494 hispanic_ub 0.8385 nh_black_mean 0.003826 nh_black_std 0.002735 nh_black_lb 0.000838 nh_black_ub 0.000885 nh_white_mean 0.066303 nh_white_std 0.028486 nh_white_lb 0.022593 nh_white_ub 0.024143 race hispanic Name: 1, dtype: object
pred_fl_reg_ln_five_cat（df，namecol，num_iter=100，conf_int=0.9）
它能做什么？：
删除额外的空间，如果有的话。
使用姓氏 FL 注册模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list, int}包含姓氏的列的名称或位置的字符串或列表
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：种族（白人、黑人、亚洲人、西班牙裔或其他人）、亚洲人（亚洲人的百分比机会）、西班牙裔、nh_black、nh_white 等。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
（使用上面示例中的相同数据框）
>>> odf = pred_fl_reg_ln_five_cat(df,'last') ['asian', 'hispanic', 'nh_black', 'nh_white', 'other'] >>> odf last first true_race asian_mean asian_std ... nh_white_lb nh_white_ub other_mean other_std other_lb other_ub race 0 Sawyer john nh_white 0.142867 0.046145 ... 0.203204 0.221313 0.235889 0.023794 0.192840 0.193671 nh_white 1 Torres raul hispanic 0.101397 0.028399 ... 0.090068 0.100212 0.238645 0.034070 0.136617 0.145928 hispanic [2 rows x 26 columns] >>> odf.iloc[0] last Sawyer first john true_race nh_white asian_mean 0.142867 asian_std 0.046145 asian_lb 0.067382 asian_ub 0.073285 hispanic_mean 0.068199 hispanic_std 0.020641 hispanic_lb 0.02565 hispanic_ub 0.030017 nh_black_mean 0.239793 nh_black_std 0.076287 nh_black_lb 0.084239 nh_black_ub 0.085626 nh_white_mean 0.313252 nh_white_std 0.046173 nh_white_lb 0.203204 nh_white_ub 0.221313 other_mean 0.235889 other_std 0.023794 other_lb 0.19284 other_ub 0.193671 race nh_white Name: 0, dtype: object
pred_fl_reg_name_five_cat（df，namecol，num_iter=100，conf_int=0.9）
它能做什么：
删除多余的空间。
使用全名FL模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list}包含名字、姓氏、中间名和后缀（如果有）的列的名称或位置的字符串或列表。名字和姓氏列是必需的。如果没有后缀列的中间名，则假定没有中间名或后缀。
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：种族（白人、黑人、亚洲人、西班牙裔或其他）、亚洲人（亚洲人的百分比机会）、西班牙裔、nh_black、nh_white 等。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
（使用上面示例中的相同数据框）
>>> odf = pred_fl_reg_name_five_cat(df, 'last','first') ['asian', 'hispanic', 'nh_black', 'nh_white', 'other'] >>> odf last first true_race asian_mean asian_std ... nh_white_lb nh_white_ub other_mean other_std other_lb other_ub race 0 Sawyer john nh_white 0.194250 0.120314 ... 0.126987 0.167742 0.259069 0.030386 0.142455 0.177375 nh_white 1 Torres raul hispanic 0.081465 0.038318 ... 0.019312 0.020782 0.158614 0.039180 0.081994 0.083105 hispanic [2 rows x 26 columns] >>> odf.iloc[1] last Torres first raul true_race hispanic asian_mean 0.081465 asian_std 0.038318 asian_lb 0.032789 asian_ub 0.034667 hispanic_mean 0.646059 hispanic_std 0.144663 hispanic_lb 0.188246 hispanic_ub 0.219772 nh_black_mean 0.037737 nh_black_std 0.045439 nh_black_lb 0.006477 nh_black_ub 0.006603 nh_white_mean 0.076125 nh_white_std 0.059213 nh_white_lb 0.019312 nh_white_ub 0.020782 other_mean 0.158614 other_std 0.03918 other_lb 0.081994 other_ub 0.083105 race hispanic Name: 1, dtype: object
pred_nc_reg_name（df，namecol，num_iter=100，conf_int=0.9）
它能做什么：
删除多余的空间。
使用全名NC模型 来预测种族和民族。
参数
df : {DataFrame, csv} CSV 文件的 Pandas 数据框包含要推断的个人姓名
namecol : {string, list}包含名字、姓氏、中间名和后缀（如果有）的列的名称或位置的字符串或列表。名字和姓氏列是必需的。如果没有后缀列的中间名，则假定没有中间名或后缀。
num_iter : int, default=100计算模型不确定性的迭代次数
conf_int :浮点数，默认 = 1.0预测类的置信区间
输出：将以下列附加到 pandas DataFrame 或 CSV：种族 + 种族。密码本在 这里。对于每场比赛，它将提供置信区间的平均值、标准误差、下限和上限
>>> import pandas as pd >>> names = [ ... {"last": "hernandez", "first": "hector", "true_race": "HL+O"}, ... {"last": "zhang", "first": "simon", "true_race": "NL+A"}, ... ] >>> df = pd.DataFrame(names) >>> from ethnicolr import pred_nc_reg_name >>> odf = pred_nc_reg_name(df, 'last','first') ['HL+A', 'HL+B', 'HL+I', 'HL+M', 'HL+O', 'HL+W', 'NL+A', 'NL+B', 'NL+I', 'NL+M', 'NL+O', 'NL+W'] >>> odf last first true_race HL+A_mean HL+A_std HL+A_lb HL+A_ub HL+B_mean ... NL+M_ub NL+O_mean NL+O_std NL+O_lb NL+O_ub NL+W_mean NL+W_std NL+W_lb NL+W_ub race 0 hernandez hector HL+O 0.000054 0.000354 5.833132e-10 4.291366e-09 0.009606 ... 0.000416 0.090123 0.036310 0.000705 0.003757 0.021228 0.021222 0.000368 0.001230 HL+O 1 zhang simon NL+A 0.000603 0.002808 1.988648e-07 2.766486e-07 0.000026 ... 0.000086 0.125159 0.042818 0.050547 0.057208 0.003149 0.005437 0.000210 0.000225 NL+A [2 rows x 54 columns] >>> odf.iloc[0] last hernandez first hector true_race HL+O HL+A_mean 0.000054 HL+A_std 0.000354 HL+A_lb 0.0 HL+A_ub 0.0 HL+B_mean 0.009606 HL+B_std 0.040739 HL+B_lb 0.0 HL+B_ub 0.000003 HL+I_mean 0.001605 HL+I_std 0.004569 HL+I_lb 0.0 HL+I_ub 0.0 HL+M_mean 0.147628 HL+M_std 0.215733 HL+M_lb 0.001253 HL+M_ub 0.001297 HL+O_mean 0.36902 HL+O_std 0.132249 HL+O_lb 0.002289 HL+O_ub 0.019187 HL+W_mean 0.264246 HL+W_std 0.090536 HL+W_lb 0.001782 HL+W_ub 0.015628 NL+A_mean 0.012004 NL+A_std 0.010873 NL+A_lb 0.000121 NL+A_ub 0.000281 NL+B_mean 0.010891 NL+B_std 0.01404 NL+B_lb 0.000094 NL+B_ub 0.000383 NL+I_mean 0.005182 NL+I_std 0.008259 NL+I_lb 0.000009 NL+I_ub 0.000068 NL+M_mean 0.068412 NL+M_std 0.08564 NL+M_lb 0.000172 NL+M_ub 0.000416 NL+O_mean 0.090123 NL+O_std 0.03631 NL+O_lb 0.000705 NL+O_ub 0.003757 NL+W_mean 0.021228 NL+W_std 0.021222 NL+W_lb 0.000368 NL+W_ub 0.00123 race HL+O Name: 0, dtype: object
应用
为了说明如何使用该软件包，我们估算了 FEC 在 2000 年和 2010 年记录的竞选贡献者的种族，并按种族计算竞选贡献。
数据
特别是，我们利用了2000 年 和2010 年人口普查中的姓氏种族数据、Skiena 及其同事收集的维基百科数据以及 2017 年初的佛罗里达州选民登记数据。
评估
SCAN Health Plan 是一项为加利福尼亚州超过 200,000 名成员提供服务的医疗保险优势计划，它使用该软件更好地评估所服务人群之间的种族健康差异。他们只有大约 47% 的成员的种族数据，所以用它来了解剩余 53% 的种族。在他们有标签的数据中，他们发现姓氏模型的 AUC 为 0.9，准确率为 83%。
贡献者行为准则
该项目欢迎大家的贡献！事实上，这取决于它。为了保持这种欢迎气氛，并以有趣和富有成效的方式进行协作，我们希望项目的贡献者遵守贡献者行为准则。
执照
该软件包是在MIT License下发布的。
