機器學習:波士頓房價數據集
波士頓房價數據集（Boston House Price Dataset）（下載地址：http://t.cn/RfHTAgY）

使用sklearn.datasets.load_boston即可加載相關數據。該數據集是一個回歸問題。每個類的觀察值數量是均等的，共有 506 個觀察，13 個輸入變量和1個輸出變量。

每條數據包含房屋以及房屋周圍的詳細信息。其中包含城鎮犯罪率，一氧化氮濃度，住宅平均房間數，到中心區域的加權距離以及自住房平均房價等等。

CRIM：城鎮人均犯罪率。

ZN：住宅用地超過 25000 sq.ft. 的比例。

INDUS：城鎮非零售商用土地的比例。

CHAS：查理斯河空變量（如果邊界是河流，則為1；否則為0）。

NOX：一氧化氮濃度。

RM：住宅平均房間數。

AGE：1940 年之前建成的自用房屋比例。

DIS：到波士頓五個中心區域的加權距離。

RAD：輻射性公路的接近指數。

TAX：每 10000 美元的全值財產稅率。

PTRATIO：城鎮師生比例。

B：1000（Bk-0.63）^ 2，其中 Bk 指代城鎮中黑人的比例。

LSTAT：人口中地位低下者的比例。

MEDV：自住房的平均房價，以千美元計。

預測平均值的基準性能的均方根誤差（RMSE）是約 9.21 千美元。

重要參數

• return_X_y:表示是否返回target（即價格），默認為False，只返回data（即屬性）。

加載示例

from sklearn.datasets import load_boston

boston = load_boston()

print(boston.data.shape)

(506L, 13L)

from sklearn.datasets import load_boston

data,target = load_boston(return_X_y = True)

print(data.shape)

(506L, 13L)

print(target.shape)

(506L,)

#-*- coding:UTF-8 -*-#第一步：讀取波士頓房價數據 from sklearn.datasets import load_boston boston = load_boston() print boston.DESCR #從輸出結果來看，該數據共有506條波士頓房價的數據，每條數據包括對指定房屋的13項數值型特征和目標房價 #此外，該數據中沒有缺失的屬性/特征值，更加方便了后續的分析#第二步：波士頓房價數據分割 from sklearn.model_selection import train_test_split import numpy as np X_train,X_test,y_train,y_test = train_test_split(boston.data,boston.target,test_size=0.25,random_state=33) #分析回歸目標值的差異 print 'The max target value is ',np.max(boston.target) print 'The min target value is ',np.min(boston.target) print 'The average target value is ',np.mean(boston.target)#第三步：訓練數據和測試數據標準化處理 from sklearn.preprocessing import StandardScaler #分別初始化對特征值和目標值的標準化器 ss_X = StandardScaler() ss_y = StandardScaler() #訓練數據都是數值型，所以要標準化處理 X_train = ss_X.fit_transform(X_train) X_test = ss_X.transform(X_test) #目標數據（房價預測值）也是數值型，所以也要標準化處理 #說明一下：fit_transform與transform都要求操作2D數據，而此時的y_train與y_test都是1D的，因此需要調用reshape(-1,1)，例如：[1,2,3]變成[[1],[2],[3]] y_train = ss_y.fit_transform(y_train.reshape(-1,1)) y_test = ss_y.transform(y_test.reshape(-1,1))#第四步：使用線性回歸模型LinearRegression和SGDRegressor分別對美國房價進行預測 #不要搞混了，這里用的是LinearRegression而不是線性分類的LogisticRegression from sklearn.linear_model import LinearRegression lr = LinearRegression() lr.fit(X_train,y_train) lr_y_predict = lr.predict(X_test) from sklearn.linear_model import SGDRegressor sgdr = SGDRegressor() sgdr.fit(X_train,y_train) sgdr_y_predict = sgdr.predict(X_test)#第五步：性能測評 #主要是判斷預測值與真實值之間的差距，比較直觀的評價指標有 #平均絕對值誤差MAE(mean absolute error) #均方誤差MSE(mean squared error) #R-squared評價函數 #使用LinearRegression模型自帶的評估模塊，并輸出評估結果 print 'the value of default measurement of LR：',lr.score(X_test,y_test) from sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error print 'the value of R-squared of LR is',r2_score(y_test,lr_y_predict) #可以使用標準化器中的inverse_transform函數還原轉換前的真實值 print 'the MSE of LR is',mean_squared_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(lr_y_predict)) print 'the MAE of LR is',mean_absolute_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(lr_y_predict)) #使用SGDRegressor自帶的評估模塊，并輸出評估結果 print 'the value of default measurement of SGDR：',sgdr.score(X_test,y_test) from sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error print 'the value of R-squared of SGDR is',r2_score(y_test,sgdr_y_predict) print 'the MSE of SGDR is',mean_squared_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(sgdr_y_predict)) print 'the MAE of SGDR is',mean_absolute_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(sgdr_y_predict))#總結： #從輸出結果來看，回歸模型自帶的評估結果與r2_score的值是一樣的，推薦使用第一種方式 #SGDRegressor在性能上表現略遜于LinearRegression，前者是隨機梯度下降的方式估計參數，后者是精確解析參數 #在數據量十分龐大（10W+）的時候，推薦使用SGDRegressor

總結

以上是生活随笔為你收集整理的波士顿房价数据集解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。