常用于回归预测的数据集常用的都有哪些

常用于回归预测的数据集有很多，以下是一些常见的数据集示例：

1. Boston Housing：波士顿房价数据集，包含了波士顿地区的房屋价格及其相关特征，如犯罪率、房间数量等。

2. California Housing Prices：加利福尼亚房价数据集，包含了加利福尼亚州各个地区的房屋价格及其相关特征，如人口密度、收入中位数等。

3. Energy Efficiency：能源效率数据集，包含了不同建筑物的能源效率指标及其相关特征，如建筑物面积、墙壁面积等。

4. Wine Quality：葡萄酒质量数据集，包含了不同葡萄酒样本的质量评分及其相关特征，如酸度、酒精含量等。

5. Bike Sharing Demand：自行车共享需求数据集，包含了不同时间段和天气条件下的自行车共享需求量及其相关特征，如温度、湿度等。

6. Air Quality：空气质量数据集，包含了不同地区的空气质量指数及其相关特征，如温度、湿度等。

这些数据集都是公开可用的，并且经常被用于回归预测任务，你可以在相关的数据科学平台或者机器学习库中找到它们。当然，这只是一小部分常见的数据集示例，实际上还有很多其他数据集也适用于回归预测任务，具体选择要根据你的研究领域和需求来决定。