Keras 3 API 文档 / 内置小型数据集 / 加州房价回归数据集

加州房价回归数据集

[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 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:加州各区的房屋中位数价值,以美元计。

8 个输入特征如下:

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

此数据集源自 1990 年美国人口普查,每个普查街区组对应一行数据。街区组是美国人口普查局发布抽样数据的最小地理单位(一个街区组通常有 600 至 3,000 人)。

家庭是指居住在房屋内的一群人。由于此数据集中的平均房间数和卧室数是按家庭提供的,对于家庭数量少但空置房屋多(例如度假村)的街区组,这些列的值可能会异常地大。

参数

  • version"small""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:数据集在本地的缓存路径(相对于 ~/.keras/datasets)。
  • test_split:保留作为测试集的数据比例。
  • seed:在计算测试分割之前用于打乱数据的随机种子。

返回值

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

x_trainx_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 x_test)。

y_trainy_test:形状为 (num_samples,) 的 numpy 数组,包含目标标量。目标是通常在 25,000 到 500,000 之间的浮点标量,代表以美元计的房屋价格。