常用于回归预测的数据集常用的都有哪些
时间: 2023-12-11 13:04:41 浏览: 65
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。
相关问题
Uci 回归预测的数据集有哪些
### 回答1:
UCI回归预测的数据集有很多,以下是部分常用的数据集:
1. Boston Housing: 用于预测波士顿地区房价的中位数。
2. Energy Efficiency: 用于预测建筑物的能源效率。
3. Concrete Compressive Strength: 用于预测混凝土抗压强度。
4. Wine Quality: 用于预测葡萄酒的质量。
5. Forest Fires: 用于预测葡萄酒的质量。
6. Bike Sharing: 用于预测单车共享系统的需求量。
7. Red Wine Quality: 用于预测红葡萄酒的质量。
8. Yacht Hydrodynamics: 用于预测游艇的阻力。
9. Power Plant: 用于预测发电厂的电力输出。
10. Kin8nm: 用于预测分子的能量。
### 回答2:
UCI回归预测数据集是来自UCI机器学习库的一组用于回归预测的数据集。以下是一些常见的UCI回归预测数据集:
1. "Boston Housing"数据集:该数据集包含关于波士顿地区房屋的各种特征,如房屋面积、房间数量、犯罪率等,目标是预测房屋价格。
2. "California Housing"数据集:该数据集收集了加州各个地区的房屋特征,如房屋年龄、人口密度、收入中位数等,目标是预测房屋价值的中位数。
3. "Computer Hardware"数据集:该数据集包含有关计算机硬件的特征,如时钟频率、平均内存等,目标是预测计算机的性能。
4. "Energy Efficiency"数据集:该数据集收集了不同建筑物的特征,如墙体面积、玻璃面积等,目标是预测建筑物的能源效率。
5. "Wine Quality"数据集:该数据集包含了不同葡萄酒的化学特性,如酸度、酒精含量等,目标是预测葡萄酒的质量。
这些数据集提供了一个用于回归预测问题的基准,研究人员和数据科学家可以使用它们来开发和评估回归模型的性能。这些数据集通常包含了特征和相应的目标变量,可以用于训练和测试回归模型。
uci 回归的数据集有哪些
UCI机器学习库中有很多用于回归分析的数据集,以下是一些常用的数据集:
1. Boston Housing Data Set:波士顿房价数据集,包含13个特征和房价的数据。
2. Energy Efficiency Data Set:能源效率数据集,包含八个特征与能源效率之间的关系。
3. Concrete Compressive Strength Data Set:混凝土抗压强度数据集,包含八个特征,预测混凝土的强度。
4. Wine Quality Data Set:红酒质量数据集,包含11个特征,预测红酒的质量评分。
5. Forest Fires Data Set:森林火灾数据集,包含13个特征,预测森林火灾面积。
6. Airfoil Self-Noise Data Set:飞机机翼自噪声数据集,包含五个特征,预测飞机机翼的自噪声水平。
7. Yacht Hydrodynamics Data Set:游艇水动力学数据集,包含六个特征,预测游艇的阻力。
8. Naval Propulsion Plants Data Set:海军推进厂数据集,包含16个特征,预测海军推进系统的效率。
9. Kin8nm Data Set:动力学数据集,包含八个特征,预测运动的动力学特性。
10. Protein Structure Data Set:蛋白质结构数据集,包含十个特征,预测蛋白质的稳定性。