uci 回归的数据集有哪些

UCI回归数据集是常用的一些用于回归分析任务的公共数据集，常用的UCI回归数据集包括：

1. Boston Housing Data Set：波士顿房价数据集，共506个样本，每个样本包含13个属性，目标变量是该地区的房屋价格中位数。

2. Energy Efficiency Data Set：能源效率数据集，共768个样本，每个样本包含8个属性，目标变量是建筑物的冷却和加热需求。

3. Concrete Compressive Strength Data Set：混凝土抗压强度数据集，共1030个样本，每个样本包含9个属性，目标变量是混凝土的抗压强度。

4. Wine Quality Data Set：葡萄酒质量数据集，共6497个样本，每个样本包含11个属性，目标变量是葡萄酒的质量评分。

5. Yacht Hydrodynamics Data Set：游艇水动力学数据集，共308个样本，每个样本包含6个属性，目标变量是游艇的阻力。

以上是常用的UCI回归数据集，你可以在UCI Machine Learning Repository网站上找到更多的数据集。

相关问题

Uci 回归预测的数据集有哪些

UCI机器学习库中有很多数据集可以用于回归预测，以下是其中一些常用的数据集：

1. Boston Housing：波士顿房屋数据集，包含13个特征和目标变量，用于预测房屋价格。

2. Energy Efficiency：能源效率数据集，包含8个特征和2个目标变量，用于预测建筑物的能源效率。

3. Wine Quality：红酒质量数据集，包含11个特征和目标变量，用于预测红酒的质量。

4. Concrete Compressive Strength：混凝土抗压强度数据集，包含8个特征和目标变量，用于预测混凝土的抗压强度。

5. Forest Fires：森林火灾数据集，包含12个特征和目标变量，用于预测森林火灾的面积。

6. Computer Hardware：计算机硬件性能数据集，包含8个特征和目标变量，用于预测计算机硬件的性能。

7. Yacht Hydrodynamics：游艇水动力学数据集，包含6个特征和目标变量，用于预测游艇的阻力。

8. Air Quality：空气质量数据集，包含14个特征和目标变量，用于预测空气质量指数。

9. Kin8nm：动力学数据集，包含8个特征和目标变量，用于预测一个分子的能量。

10. Naval Propulsion：海军推进系统数据集，包含16个特征和目标变量，用于预测海军推进系统的效率。

uci 数据集回归数据，一个输出的有哪些

UCI数据集中的回归数据集通常包含以下输出：

1. 目标变量（target variable）或因变量（dependent variable）：这是模型要预测的量，通常是数值型的。

2. 自变量（independent variables）或特征（features）：这些是用来预测目标变量的变量，通常是数值型的。

3. 样本ID或索引号（sample ID or index number）：每个样本都应该有一个唯一的标识符。

4. 可选的权重或重要性指标（optional weights or importance indicators）：这些可以用来指定每个样本的重要性，例如，某些样本可能比其他样本更重要。

5. 可选的时间戳或日期（optional timestamps or dates）：如果数据与时间有关，则可以包括一个时间戳或日期。

6. 可选的描述性文本（optional descriptive text）：可以包括一些关于每个样本的描述性信息，例如，样本来源、采集条件等。