加州房价回归数据集

[来源]

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 仓库。

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：加州各区房屋价值的中位数，以美元为单位。

8 个输入特征如下：

• MedInc：街区群体的收入中位数
• HouseAge：街区群体的房屋年龄中位数
• AveRooms：每户平均房间数
• AveBedrms：每户平均卧室数
• Population：街区群体人口
• AveOccup：平均家庭成员数
• Latitude：街区群体纬度
• Longitude：街区群体经度

此数据集来源于 1990 年美国人口普查，每人口普查街区群体一行。街区群体是美国人口普查局发布抽样数据的最小地理单位（一个街区群体通常有 600 到 3,000 人）。

家庭是指居住在房屋内的一群人。由于此数据集中提供的每户平均房间数和卧室数，对于家庭数量少且空置房屋多的街区群体（例如度假胜地），这些列的值可能会出奇地大。

参数

• version: "small" 或 "large"。小型版本包含 600 个样本，大型版本包含 20,640 个样本。小型版本的目的是作为已弃用的 boston_housing 数据集的近似替代品。
• path：本地缓存数据集的路径（相对于 ~/.keras/datasets）。
• test_split：保留作为测试集的数据比例。
• seed：在计算测试集拆分之前，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: numpy 数组，形状为 (num_samples, 8)，包含训练样本 (对于 x_train) 或测试样本 (对于 y_train)。

y_train, y_test: numpy 数组，形状为 (num_samples,)，包含目标标量。目标是浮点标量，通常介于 25,000 到 500,000 之间，代表房屋价格，以美元为单位。