机器学习常用数据集002:波士顿房价数据集

1、波士顿房价数据集概述

机器学习包sklearn中集成了各种各样的数据集，其中就包括波士顿房价数据集（boston_house_prices）是最简单的回归任务数据集之一。

该数据集共有506条波士顿房价的数据，每条数据包括14项特征，分别是房屋的13项数值型特征和1项目标特征：房价。此外，该数据中没有缺失的 属性/特征值，更加方便了后续的分析

该数据集特征含义如下表：

列名	说明	类型
CRIM	城镇人均犯罪率	float
ZN	住宅用地超过 25000 sq.ft. 的比例	float
INDUS	城镇非零售商用土地的比例	float
CHAS	查理斯河空变量（如果边界是河流，则为1；否则为0）	int
NOX	一氧化氮浓度	float
RM	住宅平均房间数	float
AGE	1940 年之前建成的自用房屋比例	float
DIS	到波士顿五个中心区域的加权距离	float
RAD	辐射性公路的接近指数	float
TAX	每 10000 美元的全值财产税率	float
PTRATIO	城镇师生比例	float
B	1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例	float
LSTAT	人口中地位低下者的比例	float
MEDV	自住房的平均房价，以千美元计	float

2、波士顿房价数据获取

from sklearn import datasets  # 导入sklearn中集成的数据集
import pandas as pd  # 导入pandas
import matplotlib.pyplot as plt

df_boston = datasets.load_boston()
print("波士顿房价特征:\n", df_boston.data[:5])  # print前5个特征
print("波士顿房价特征的维度：\n", df_boston.data.shape)
print("波士顿房价标签:\n", df_boston.target[:5])  # print前5个标签
print("波士顿房价标签的维度：\n", df_boston.target.shape)

输出如下所示：

波士顿房价特征:
 [[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]]
波士顿房价特征的维度：
 (506, 13)
波士顿房价标签:
 [24.  21.6 34.7 33.4 36.2]
波士顿房价标签的维度：
 (506,)

从输出结果可以看到，标签数据（房价）是连续的数值型数据，因此可以判断该数据集是个回归任务的数据集。

3、 绘制数据

用scatter()函数绘制散点图。

from sklearn import datasets  # 导入sklearn中集成的数据集
import pandas as pd  # 导入pandas
import matplotlib.pyplot as plt

boston = datasets.load_boston()
print("波士顿房价特征:\n", boston.data[:5])  # print前5个特征
print("波士顿房价特征的维度：\n", boston.data.shape)
print("波士顿房价标签:\n", boston.target[:5])  # print前5个标签
print("波士顿房价标签的维度：\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()

绘制散点图如图所示：

如需要整理好的详细的波士顿数据集、数据说明、可直接建模的数据等资料，可访问 Python编程网 获取