boston_housing_data: 用于回归分析的波士顿住房数据集

将 boston_housing_data 数据集加载到 NumPy 数组中的函数。

from mlxtend.data import boston_housing_data

概述

用于回归分析的波士顿住房数据集。

特征

1. CRIM: 按城镇划分的人均犯罪率
2. ZN: 规划用于面积超过 25,000 平方英尺地块的住宅用地比例
3. INDUS: 按城镇划分的非零售商业用地比例
4. CHAS: 查尔斯河虚拟变量（= 1 如果地块与河流相邻；否则为 0）
5. NOX: 一氧化氮浓度（千万分之一）
6. RM: 每住宅的平均房间数
7. AGE: 1940 年之前建造的自住单位比例
8. DIS: 到波士顿五个就业中心的加权距离
9. RAD: 径向公路可达性指数
10. TAX: 每 10,000 美元财产的完全价值房产税率
11. PTRATIO: 按城镇划分的师生比例
12. B: 1000(Bk - 0.63)^2，其中 Bk 是按城镇划分的黑人比例

13. LSTAT: 人口中地位较低者的百分比

14. 样本数量：506

15. 目标变量（连续）：MEDV，自住房屋中位数（千美元）

参考文献

• 来源：https://archive.ics.uci.edu/ml/datasets/Wine
• Harrison, D. and Rubinfeld, D.L. 'Hedonic prices and the demand for clean air', J. Environ. Economics & Management, vol.5, 81-102, 1978.

示例 1 - 数据集概述

from mlxtend.data import boston_housing_data
X, y = boston_housing_data()

print('Dimensions: %s x %s' % (X.shape[0], X.shape[1]))
print('1st row', X[0])

(506, 14)
Dimensions: 506 x 13
1st row [  6.32000000e-03   1.80000000e+01   2.31000000e+00   0.00000000e+00
   5.38000000e-01   6.57500000e+00   6.52000000e+01   4.09000000e+00
   1.00000000e+00   2.96000000e+02   1.53000000e+01   3.96900000e+02
   4.98000000e+00]

API

boston_housing_data()

波士顿住房数据集。

• 来源 : https://archive.ics.uci.edu/ml/datasets/Housing

• 样本数量 : 506

• 连续目标变量 : MEDV

  MEDV = 自住房屋中位数（千美元）

  数据集属性

  • 1) CRIM 按城镇划分的人均犯罪率
  • 2) ZN 规划用于面积超过 25,000 平方英尺地块的住宅用地比例
  • 3) INDUS 按城镇划分的非零售商业用地比例
  • 4) CHAS 查尔斯河虚拟变量（= 1 如果地块与河流相邻；否则为 0）
  • 5) NOX 一氧化氮浓度（千万分之一）
  • 6) RM 每住宅的平均房间数
  • 7) AGE 1940 年之前建造的自住单位比例
  • 8) DIS 到波士顿五个就业中心的加权距离
  • 9) RAD 径向公路可达性指数
  • 10) TAX 每 10,000 美元财产的完全价值房产税率
  • 11) PTRATIO 按城镇划分的师生比例
  • 12) B 1000(Bk - 0.63)^2，其中 Bk 是按城镇划分的黑人比例
  • 13) LSTAT 人口中地位较低者的百分比

返回值

• X, y : [样本数, 特征数], [类别标签数]

  X 是特征矩阵，包含 506 个住房样本作为行，13 个特征作为列。y 是连续目标变量 MEDV 的一维数组。

示例

有关用法示例，请参阅 https://mlxtend.cn/mlxtend/user_guide/data/boston_housing_data/