获取加州房价数据集#

sklearn.datasets.fetch_california_housing(*, data_home=None, download_if_missing=True, return_X_y=False, as_frame=False, n_retries=3, delay=1.0)[source]#

加载加州房价数据集（回归）。

样本总数

20640

维度

8

特征

实数

目标值

实数 0.15 - 5.

更多信息请参见用户指南。

参数：
data_homestr 或 path-like 对象，默认为 None

指定数据集的另一个下载和缓存文件夹。默认情况下，所有 scikit-learn 数据都存储在 ‘~/scikit_learn_data’ 子文件夹中。

download_if_missingbool，默认为 True

如果为 False，则如果数据在本地不可用，则引发 OSError，而不是尝试从源站点下载数据。

return_X_ybool，默认为 False

如果为 True，则返回 (data.data, data.target) 而不是 Bunch 对象。

版本 0.20 中新增。

as_framebool，默认为 False

如果为 True，则数据是一个 pandas DataFrame，包含具有适当数据类型（数值型、字符串型或分类型）的列。目标值是一个 pandas DataFrame 或 Series，具体取决于 target_columns 的数量。

版本 0.23 中新增。

n_retriesint，默认为 3

遇到 HTTP 错误时的重试次数。

版本 1.5 中新增。

delayfloat，默认为 1.0

两次重试之间的秒数。

版本 1.5 中新增。

返回值：
datasetBunch

字典状对象，具有以下属性。

datandarray，形状 (20640, 8)

每一行对应于按顺序排列的 8 个特征值。如果 as_frame 为 True，则 data 是一个 pandas 对象。

target形状为 (20640,) 的 numpy 数组

每个值对应于以 100,000 为单位的平均房价。如果 as_frame 为 True，则 target 是一个 pandas 对象。

feature_names长度为 8 的列表

数据集使用的有序特征名称数组。

DESCRstr

加州房价数据集的描述。

framepandas DataFrame

仅当 as_frame=True 时存在。包含 data 和 target 的 DataFrame。

版本 0.23 中新增。

(data, target)如果 return_X_y 为 True，则为元组

包含两个 ndarray 的元组。第一个包含形状为 (n_samples, n_features) 的二维数组，其中每一行表示一个样本，每一列表示特征。第二个形状为 (n_samples,) 的 ndarray 包含目标样本。

版本 0.20 中新增。

备注

此数据集包含 20,640 个样本和 9 个特征。

示例

>>> from sklearn.datasets import fetch_california_housing
>>> housing = fetch_california_housing()
>>> print(housing.data.shape, housing.target.shape)
(20640, 8) (20640,)
>>> print(housing.feature_names[0:6])
['MedInc', 'HouseAge', 'AveRooms', 'AveBedrms', 'Population', 'AveOccup']