加州住房价格回归数据集

[源代码]

load_data 函数

keras.datasets.california_housing.load_data(
    version="large", path="california_housing.npz", test_split=0.2, seed=113
)

加载加州房价数据集。

此数据集来自 StatLib 存储库。

这是一个连续回归数据集，包含 20,640 个样本，每个样本有 8 个特征。

目标变量是一个标量：加州各区的房屋中位价值，以美元计。

8 个输入特征如下：

• MedInc：街区组的中位收入
• HouseAge：街区组的房屋中位年龄
• AveRooms：每户平均房间数
• AveBedrms：每户平均卧室数
• Population：街区组人口
• AveOccup：每户平均成员数
• Latitude：街区组纬度
• Longitude：街区组经度

此数据集来源于 1990 年美国人口普查，每行代表一个人口普查街区组。街区组是美国人口普查局发布样本数据的最小地理单位（一个街区组通常有 600 到 3,000 人）。

家庭是指居住在同一住宅内的一群人。由于此数据集中提供的平均房间数和卧室数是按家庭计算的，对于家庭数量少但空置房屋多的街区组（例如度假胜地），这些列的值可能会出人意料地大。

参数

• version: "small" 或 "large"。小版本包含 600 个样本，大版本包含 20,640 个样本。小版本的目的是作为已弃用的 boston_housing 数据集的近似替代。
• path: 在本地缓存数据集的路径（相对于 ~/.keras/datasets）。
• test_split: 预留作为测试集的数据比例。
• seed: 在计算测试分割之前用于打乱数据的随机种子。

返回

• Numpy 数组元组：(x_train, y_train), (x_test, y_test)。

x_train, x_test: 形状为 (num_samples, 8) 的 numpy 数组，包含训练样本（对于 x_train）或测试样本（对于 y_train）。

y_train, y_test: 形状为 (num_samples,) 的 numpy 数组，包含目标标量。目标是浮点标量，通常介于 25,000 到 500,000 之间，表示以美元计的房价。