加州房价回归数据集
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。
该数据集来自 StatLib 存储库。
它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：加州各地区房屋价值的中位数，以美元为单位。
8 个输入特征如下：
- MedInc：街区组的中位数收入
- HouseAge：街区组的房屋年龄中位数
- AveRooms：每户的平均房间数
- AveBedrms：每户的平均卧室数
- 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
该数据集源自 1990 年的美国人口普查，每个普查街区组使用一行。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）。
家庭是指居住在房屋内的一群人。由于此数据集中提供的房间和卧室的平均数量是按家庭计算的，因此对于家庭数量很少且空置房屋很多的街区组（如度假胜地），这些列可能会出现非常大的值。
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数据集的近似替代品。 - path：在本地缓存数据集的路径（相对于
~/.keras/datasets）。 - test_split: 预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。目标是通常介于 25,000 到 500,000 之间的浮点标量，表示房屋价格（以美元为单位）。