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
)

加载加州住房数据集。

该数据集来自 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：加州地区的房屋中值，单位为美元。

8 个输入特征如下：

• MedInc: 街区群体的收入中值
• HouseAge: 街区群体的房屋年龄中值
• AveRooms: 每户家庭的平均房间数
• AveBedrms: 每户家庭的平均卧室数
• Population: 街区群体的人口数量
• AveOccup: 每户家庭的平均成员数
• Latitude: 街区群体的纬度
• Longitude: 街区群体的经度

该数据集源自 1990 年美国人口普查，每行代表一个人口普查街区群体。街区群体是美国人口普查局发布样本数据的最小地理单位（一个街区群体通常包含 600 至 3,000 人）。

家庭是指居住在房屋中的一群人。由于该数据集中的平均房间数和卧室数是按家庭提供的，因此对于家庭数量很少且有许多空置房屋的街区群体（例如度假村），这些列的值可能会异常高。

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: 在本地缓存数据集的路径（相对于 ~/.keras/datasets）。
• test_split: 保留作为测试集的样本比例。
• seed: 在计算测试集之前，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 x_test）。

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，通常在 25,000 到 500,000 之间，代表房屋价格（美元）。