機器學習常用數據集002:波士頓房價數據集

1、波士頓房價數據集概述

機器學習包sklearn中集成了各種各樣的數據集，其中就包括波士頓房價數據集（boston_house_prices）是最簡單的迴歸任務數據集之一。

該數據集共有506條波士頓房價的數據，每條數據包括14項特徵，分別是房屋的13項數值型特徵和1項目標特徵：房價。此外，該數據中沒有缺失的 屬性/特徵值，更加方便了後續的分析

該數據集特徵含義如下表：

列名	說明	類型
CRIM	城鎮人均犯罪率	float
ZN	住宅用地超過 25000 sq.ft. 的比例	float
INDUS	城鎮非零售商用土地的比例	float
CHAS	查理斯河空變量（如果邊界是河流，則爲1；否則爲0）	int
NOX	一氧化氮濃度	float
RM	住宅平均房間數	float
AGE	1940 年之前建成的自用房屋比例	float
DIS	到波士頓五個中心區域的加權距離	float
RAD	輻射性公路的接近指數	float
TAX	每 10000 美元的全值財產稅率	float
PTRATIO	城鎮師生比例	float
B	1000（Bk-0.63）^ 2，其中 Bk 指代城鎮中黑人的比例	float
LSTAT	人口中地位低下者的比例	float
MEDV	自住房的平均房價，以千美元計	float

2、波士頓房價數據獲取

from sklearn import datasets  # 導入sklearn中集成的數據集
import pandas as pd  # 導入pandas
import matplotlib.pyplot as plt

df_boston = datasets.load_boston()
print("波士頓房價特徵:\n", df_boston.data[:5])  # print前5個特徵
print("波士頓房價特徵的維度：\n", df_boston.data.shape)
print("波士頓房價標籤:\n", df_boston.target[:5])  # print前5個標籤
print("波士頓房價標籤的維度：\n", df_boston.target.shape)

輸出如下所示：

波士頓房價特徵:
 [[6.3200e-03 1.8000e+01 2.3100e+00 0.0000e+00 5.3800e-01 6.5750e+00
  6.5200e+01 4.0900e+00 1.0000e+00 2.9600e+02 1.5300e+01 3.9690e+02
  4.9800e+00]
 [2.7310e-02 0.0000e+00 7.0700e+00 0.0000e+00 4.6900e-01 6.4210e+00
  7.8900e+01 4.9671e+00 2.0000e+00 2.4200e+02 1.7800e+01 3.9690e+02
  9.1400e+00]
 [2.7290e-02 0.0000e+00 7.0700e+00 0.0000e+00 4.6900e-01 7.1850e+00
  6.1100e+01 4.9671e+00 2.0000e+00 2.4200e+02 1.7800e+01 3.9283e+02
  4.0300e+00]
 [3.2370e-02 0.0000e+00 2.1800e+00 0.0000e+00 4.5800e-01 6.9980e+00
  4.5800e+01 6.0622e+00 3.0000e+00 2.2200e+02 1.8700e+01 3.9463e+02
  2.9400e+00]
 [6.9050e-02 0.0000e+00 2.1800e+00 0.0000e+00 4.5800e-01 7.1470e+00
  5.4200e+01 6.0622e+00 3.0000e+00 2.2200e+02 1.8700e+01 3.9690e+02
  5.3300e+00]]
波士頓房價特徵的維度：
 (506, 13)
波士頓房價標籤:
 [24.  21.6 34.7 33.4 36.2]
波士頓房價標籤的維度：
 (506,)

從輸出結果可以看到，標籤數據（房價）是連續的數值型數據，因此可以判斷該數據集是個迴歸任務的數據集。

3、 繪製數據

用scatter()函數繪製散點圖。

from sklearn import datasets  # 導入sklearn中集成的數據集
import pandas as pd  # 導入pandas
import matplotlib.pyplot as plt

boston = datasets.load_boston()
print("波士頓房價特徵:\n", boston.data[:5])  # print前5個特徵
print("波士頓房價特徵的維度：\n", boston.data.shape)
print("波士頓房價標籤:\n", boston.target[:5])  # print前5個標籤
print("波士頓房價標籤的維度：\n", boston.target.shape)

cols_list = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT']
df_boston = pd.DataFrame(boston.data, columns=cols_list)
df_boston['MEDV'] = boston.target
df_boston.to_csv('df_boston.csv', index=False)
df_boston.to_excel('df_boston.xlsx', index=False)
plt.figure()
plt.scatter(df_boston.loc[:, 'MEDV'], df_boston.loc[:, 'CRIM'], color='red', marker='o', label='setosa')
plt.scatter(df_boston.loc[:, 'MEDV'], df_boston.loc[:, 'AGE'], color='blue', marker='x', label='versicolor')
plt.scatter(df_boston.loc[:, 'MEDV'], df_boston.loc[:, 'RM'], color='green', marker='+', label='Virginica')
plt.show()

繪製散點圖如圖所示：

如需要整理好的詳細的波士頓數據集、數據說明、可直接建模的數據等資料，可訪問 Python編程網 獲取