【データセット】ボストン住宅データセット【scikit-learn、メモ】

以前、kerasを使ってボストン住宅データセット（リンク）を使ってみましたが、
今回はscikit-learnを使ってボストン住宅データセットを読み込んでみます。

自分用メモです。
ちなみに、githubにもコードは上げてあります。

環境
データセットを読み込んで確認（ソースコード）
Pandasで少しデータを概観する
参考文献

環境

python 3.6
sklearn 0.22.2.post1

データセットを読み込んで確認（ソースコード）

sklearn.datasetsのload_bostonメソッドによってデータセットを読み込むことができます。

from sklearn.datasets import load_boston
dataset = load_boston()

このdatasetは辞書形式になっていて、以下のようなkeyを持ってます。

dataset.keys()
#=> dict_keys(['data', 'target', 'feature_names', 'DESCR', 'filename'])

data: 説明変数
target: 目的変数
feature_names : 特徴量名
DESCR: 恐らく公式のディスクリプション
filename: ダウンロードしたデータセットのpath

特徴量は以下のようになります。

dataset.feature_names
#=> array(['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD',
#       'TAX', 'PTRATIO', 'B', 'LSTAT'], dtype='<U7')

CRIM	町ごとの犯罪率
ZM	25000平方フィート超える区域にある住宅の割合
INDUS	町ごとの非小売業の割合
CHAS	チャールズ川かどうか（区域が川に接している場合1,それ以外は0
NOX	一酸化炭素濃度（1000万分の１）
RM	住居毎の部屋数の平均
AGE	1940年より前に建てられた持ち家の割合
DIS	５つのボストン雇用センターまでの加重距離
RAD	放射状高速道路へのアクセシビリティの指標
TAX	10,000ドルあたりの固定資産税率
PTRATIO	町別の生徒と教師の比率
B	町ごとの黒人の割合
LSTAT	低所得者人口の割合
MEDV	住宅価格（これはtargetの値のこと）

最後の行(MEDV)はdataset.targetのことです。よく目的変数となります。

Pandasで少しデータを概観する

軽くdataframeにしてどんなデータなのか見てみます。

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 506 entries, 0 to 505
Data columns (total 13 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   CRIM     506 non-null    float64
 1   ZN       506 non-null    float64
 2   INDUS    506 non-null    float64
 3   CHAS     506 non-null    float64
 4   NOX      506 non-null    float64
 5   RM       506 non-null    float64
 6   AGE      506 non-null    float64
 7   DIS      506 non-null    float64
 8   RAD      506 non-null    float64
 9   TAX      506 non-null    float64
 10  PTRATIO  506 non-null    float64
 11  B        506 non-null    float64
 12  LSTAT    506 non-null    float64
dtypes: float64(13)
memory usage: 51.5 KB