加州房價迴歸資料集
load_data 函式
keras.datasets.california_housing.load_data(
version="large", path="california_housing.npz", test_split=0.2, seed=113
)
載入加州房價資料集。
此資料集取自 StatLib 儲存庫。
這是一個連續迴歸資料集，包含 20,640 個樣本，每個樣本有 8 個特徵。
目標變數是一個純量：加州各區的房屋中位數價格，以美元計價。
8 個輸入特徵如下：
- MedInc：區塊群組中的收入中位數
- HouseAge：區塊群組中的房屋屋齡中位數
- AveRooms：每個家庭的平均房間數
- AveBedrms：每個家庭的平均臥室數
- Population：區塊群組人口
- AveOccup：平均家庭成員人數
- Latitude：區塊群組緯度
- Longitude：區塊群組經度
此資料集源自 1990 年的美國人口普查，每個普查區塊群組使用一行。區塊群組是美國人口普查局發布抽樣資料的最小地理單位（一個區塊群組通常有 600 到 3,000 人）。
一個家庭是指居住在一個房屋內的一群人。由於此資料集中提供的房間和臥室平均數是針對每個家庭計算的，因此對於只有少數家庭和許多空房的區塊群組（例如度假勝地），這些欄位可能會出現驚人的大數值。
引數
- version：
"small"或"large"。小型版本包含 600 個樣本，大型版本包含 20,640 個樣本。小型版本的目的是作為已棄用的boston_housing資料集的近似替代品。 - path：在本機快取資料集的路徑（相對於
~/.keras/datasets）。 - test_split：保留作為測試集的資料比例。
- seed：在計算測試分割之前，用於隨機打亂資料的隨機種子。
回傳值
- Numpy 陣列的元組：
(x_train, y_train), (x_test, y_test)。
x_train, x_test：形狀為 (num_samples, 8) 的 numpy 陣列，包含訓練樣本（用於 x_train）或測試樣本（用於 y_train）。
y_train, y_test：形狀為 (num_samples,) 的 numpy 陣列，包含目標純量。目標值是浮點純量，通常介於 25,000 到 500,000 之間，代表房屋價格（以美元計價）。