机器学习相关数据集简介

1.boston数据集

简介：
- 该数据集共10000个日频数据，截面指标或者特征数量或特征属性为13个，1个平均房价作为目标变量。
- This dataset contains information collected by the U.S Census Service concerning housing in the area of Boston Mass.It can obtain from the StaLib archive
特征变量说明：
CRIM 按城镇划分的CRIM人均犯罪率
ZN 划分为25000平方英尺以上地块的住宅用地比例（%）
INDUS 每个城镇非零售商业用地比例（%）
CHAS Charles River虚拟变量（如果区域边界为河流，则=1；否则为0）
NOX 氮氧化物浓度（百万分之一）
RM 每个住宅的平均房间数
AGE 1940年之前建造的业主自用单元的比例
DIS 与波士顿五个就业中心的加权距离
RAD 辐射状公路可达性RAD指数
TAX 每10000美元的全价值财产税税率（%）
PTRATIO 城镇师生比例（%）
B 1000（Bk-0.63）^2，其中Bk是黑人在城镇中的比例（%）
LSTAT 低社会阶层的人口比例（%）
MEDV 自住房屋的中值（1000美元）
较为官方的出处：
http://lib.stat.cmu.edu/datasets/boston
https://www.kaggle.com/datasets/altavish/boston-housing-dataset
Task,Scene,Contribution：
回归预测：根据日频的历史房价数据建立回归模型，预测不同类型房屋(X)的价格(y)
导入方式：
sklearn.dataset.load_boston()
tensorflow.keras.datasets.boston_housing

# 方式1 sklearn.datasets.load_boston
import sklearn
from sklearn import datasets 
boston_sk = datasets.load_boston(return_X_y = True)

# 方式2 keras.datasets.boston_housing
import tensorflow as tf 
boston_tf = tf.keras.datasets.boston_housing
(train_x,train_y),(test_x,test_y) = boston_tf.load_data(test_split = 0.2)

Notes：
1.从scikit-learn的dataset包，load_boston()获得的数据，其返回的形式是，自变量组成的二维矩阵以及最后一列因变量房价,类似形式获取的数据集还有load_wine()
2.从keras的dataset包，boston_hosing模块获得的数据block，通过load_data()并指定测试集训练集分割的比例可以分别获取对应的训练集，测试集，另外其默认值为0.2。相关的源码可以参见https://github.com/keras-team/keras/blob/master/keras/datasets/boston_housing.py
3.这个数据集中当然包含了一定的缺失数据，需要我们对其进行数据清洗。

2.CIFAR-10

简介：
- 是由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。
- 一共包含 10 个类别的 RGB 彩色图片：飞机（ airplane ）、汽车（ automobile ）、鸟类（ bird ）、猫（ cat ）、鹿（ deer ）、狗（ dog ）、蛙类（ frog ）、马（ horse ）、船（ ship ）和卡车（ truck ）。
- 图片的尺寸为 32×32 ，数据集中一共有 50000 张训练圄片和 10000 张测试图片。
与 MNIST 数据集中目比， CIFAR-10 具有以下不同点：
- CIFAR-10 是 3 通道的彩色 RGB 图像，而 MNIST 是灰度图像。
- CIFAR-10 的图片尺寸为 32×32，而 MNIST 的图片尺寸为 28×28，比 MNIST 稍大。
- 相比于手写字符， CIFAR-10 含有的是现实世界中真实的物体，不仅噪声很大，而且物体的比例、特征都不尽相同，这为识别带来很大困难。直接的线性模型如 Softmax 在 CIFAR-10 上表现得很差。
较为官方的出处：
https://www.kaggle.com/c/cifar-10
Task,Scene,Contribution：
目标跟踪
导入方式：
自己写函数导入吧

未完待续。。。

机器学习相关数据集简介

猜你喜欢