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 存储库。

这是一个包含 20,640 个样本的连续回归数据集，每个样本具有 8 个特征。

目标变量是一个标量：加州地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：每个家庭的平均房间数
• AveBedrms：每个家庭的平均卧室数
• Population：街区组人口
• AveOccup：平均家庭成员数
• 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，每个普查街区组一行。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房屋内的一群人。由于此数据集中提供了每个家庭的平均房间数和卧室数，因此对于家庭数量少且空置房屋多的街区组（例如度假胜地），这些列可能会出现令人惊讶的大值。

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。
• path：数据集在本地缓存的路径（相对于 ~/.keras/datasets）。
• test_split：保留为测试集的数据的比例。
• seed：在计算测试集拆分之前，用于对数据进行混洗的随机种子。

返回值

• NumPy 数组的元组：(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。目标是通常在 25,000 到 500,000 之间的浮点标量，表示房屋价格（以美元计）。