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" 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：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_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。