关于线性回归boston数据集

Question

bobo老师，我在查看这个sklearn的api文档，好像这个boston数据集已经没有了

Answer 1

liuyubobobo 2023-05-09 01:43:28

我看了一下，确实如此，从 sklearn 1.2 开始，波士顿房价数据因为“政治正确”的原因被移除了。

sklearn 的源码对这一数据的移除有说明，同时给出了从数据源获得这一数据的方式。可以参考这里

（108 行开始）：https://github.com/scikit-learn/scikit-learn/blob/2cce02414d4a7161f0d105450c196d94b1182220/sklearn/datasets/__init__.py 

如果还想获得这个波士顿房价数据集，摘抄 sklearn 官方给出的获取数据的方式：

import pandas as pd
import numpy as np

data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url, sep="\\s+", skiprows=22, header=None)
data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
target = raw_df.values[1::2, 2]

另外，取这一数据的接口被移除了，但是这个数据本身似乎还在 sklearn 的包中，以 csv 的形式存储。所以也可以直接读取这个 csv 文件：https://github.com/scikit-learn/scikit-learn/blob/main/sklearn/datasets/data/boston_house_prices.csv

============

另外，对于回归问题的实验，sklearn 在新版本添加了一个加州的房价数据集，感兴趣也可以使用，相关 API 参考这个文档（注意，数据的维度和波士顿房价数据级不同）：https://scikit-learn.org/stable/modules/generated/sklearn.datasets.fetch_california_housing.html#sklearn.datasets.fetch_california_housing

继续加油！：）

• 提问者 要努力的Jony #1

  谢谢bobo老师