1. Boston房价预测数据集

该数据集将在scikit-learn 1.2版本移除，也就是说，scikit-learn1.2版本及以后，该数据集将不存在，且用且珍惜吧。

数据集加载代码：

# boston房价预测数据集
from sklearn.datasets import load_bostonhousing_boston = load_boston()
X = housing_boston.data     # data
y = housing_boston.target   # label

为了便于方便查看加载的数据集，我们可以使用jupyter notebook或者spyder编辑器。我们以spyder编辑器为例：

运行加载数据集的代码，右侧会出现变量；

其中X就是输入模型的数据：

y是数据对应的标签：

双击点开变量“housing_boston”：

data: 506条数据，每条数据13维，即每条数据13个特征，这13个特征的名称存储在feature_names变量中，分别为[‘CRIM’, ‘ZN’, ‘INDUS’, ‘CHAS’, ‘NOX’, ‘RM’, ‘AGE’, ‘DIS’, ‘RAD’,
‘TAX’, ‘PTRATIO’, ‘B’, ‘LSTAT’]

CRIM: 各城镇的人均犯罪率
ZN: 超过25,000平方英尺的住宅用地比例
INDUS: 城镇非零售业态面积比例
CHAS: Charles River虚拟变量
NOX: 一氧化氮浓度(千万分之一)
RM: 每套住宅的平均房间数
AGE: 1940年以前建造的自住单位的比例
DIS: 到五个波士顿就业中心的加权距离
RAD: 径向公路可达性指数
TAX: 每1万美元的全值财产税税率
PTRATIO: 按城镇划分的学生教师比例
B: 城镇中黑人的比例
LSTAT: 人口地位下降率

2. California房价预测数据集

该数据集是Boston房价预测数据集替代数据集，随着scikit-learn版本的更新，以后我们将使用该数据集进行回归预测任务的练习。

数据集加载代码：

# california房价预测数据集
from sklearn.datasets import fetch_california_housinghousing_california = fetch_california_housing()
X = housing_california.data    # data
y = housing_california.target   # label

为了便于方便查看加载的数据集，我们可以使用jupyter notebook或者spyder编辑器。我们以spyder编辑器为例：

其中X就是输入模型的数据：

y是数据对应的标签：

双击点开变量“housing_california”：

feature_names变量中，分别为[‘MedInc’, ‘HouseAge’, ‘AveRooms’, ‘AveBedrms’, ‘Population’, ‘AveOccup’, ‘Latitude’, ‘Longitude’]

MedInc: 街区组收入中位数
HouseAge: 街区组房屋年龄中位数
AveRooms: 每户平均房间数
AveBedrms: 每户平均卧室数量
Population: 人口数量
AveOccup: 家庭成员的平均人数
Latitude: 纬度
Longitude: 经度

3. 糖尿病预测数据集

该数据集是sklearn中自带的一个用于预测1年后糖尿病进展的定量测量（换句话说，一个连续变量的预测）。

数据集加载代码：

# 糖尿病数据集
from sklearn.datasets import load_diabetes
diabetes = load_diabetes()X = diabetes.data           # data
y = diabetes.target         # label

为了便于方便查看加载的数据集，我们可以使用jupyter notebook或者spyder编辑器。我们以spyder编辑器为例：

运行加载数据集的代码，右侧会出现变量；

其中X就是输入模型的数据：

y是数据对应的标签：

双击点开变量“diabetes”：

data: 442条数据，每条数据10维，即每条数据10个特征，这10个特征的名称存储在feature_names变量中，分别为[‘age’, ‘sex’, ‘bmi’, ‘bp’, ‘s1’, ‘s2’, ‘s3’, ‘s4’, ‘s5’, ‘s6’]

age: 年龄
sex: 性别
bmi: 身体质量指数
bp: 平均血压
s1: 血清总胆固醇
s2: 低密度脂蛋白
s3: 高密度脂蛋白
s4: 总胆固醇/高密度脂蛋白
s5: 血清甘油三酯水平的对数
s6: 血糖水平

参考
https://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets

【ML】机器学习数据集：sklearn中回归数据集介绍相关推荐

python sklearn 支持向量机_python机器学习库sklearn之支持向量机svm介绍
python机器学习库sklearn之支持向量机svm介绍tcB太阳2平台注册|网站分类目录 python数据挖掘系列教程tcB太阳2平台注册|网站分类目录这里只讲述sklearn中如何使用svm算 ...
【ML】机器学习数据集：sklearn中分类数据集介绍
目录 1.乳腺癌分类数据集(二分类) 2.鸢尾花分类数据集(三分类) 3.葡萄酒分类数据集(三分类) 4.手写数字分类数据集(十分类) 5.其他数据集参考资料在机器学习的教程中,我们会看到很多的d ...
sklearn中的数据集1 (toy_datasets)
sklearn中的 toy datasets sklearn中的玩具数据库(toy datasets),数据量较小,方便使用 tips: 安装 : pip install scikit-learn 1 ...
机器学习｜ Sklearn中的朴素贝叶斯全解
前期文章介绍了朴素贝叶斯理论,掌握理论后如何去使用它,是数据挖掘工作者需要掌握的实操技能,下面来看看Sklearn中都有哪些朴素贝叶斯. 朴素贝叶斯是运用训练数据学习联合概率分布及 ,然后求得后验概 ...
python机器学习库sklearn——逻辑回归
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程逻辑分类的相关的知识内容可以参考 http://blog.csdn.net/luanpeng825485697/article/det ...
python pca降维_机器学习之sklearn中的降维算法
1. PCA与SVD sklearn中降维算法都被包括在模块decomposition中,这个模块本质是一个矩阵分解模块.在过去的十年中,如果要讨论算法进步的先锋,矩阵分解可以说是独树一帜.矩阵分解可 ...
sklearn中的数据集2 (Covertype 一个关于植被的数据集)
Covertype 简介植被覆盖类型数据集,包括位于美国科罗拉多州北部罗斯福国家森林的四个荒野区域.样本总数为581012,在kaggle中,样本划分为训练集(training set):15120 ...
利用决策树算法对sklearn中红酒数据集进行可视化分类
'''决策树是一种在分类和回归中都广泛应用的算法,它的原理是通过对一系列问题进行if/else进行推导,最终实现决策''' '''决策树最大的优势就是可以轻易的将模型可视化,而且决策树算法对每个样本的 ...
sk-learn中对数据集划分函数train_test_split和StratifiedShuffleSplit
1.随机划分训练集和测试集train_test_split train_test_split是交叉验证中常用的函数,功能是从样本中随机的按比例选取train_data和test_data,形式为: f ...

【ML】机器学习数据集：sklearn中回归数据集介绍

目录

1. Boston房价预测数据集

2. California房价预测数据集

3. 糖尿病预测数据集

【ML】机器学习数据集：sklearn中回归数据集介绍相关推荐

最新文章

热门文章