[101] 波士顿房价数据集

编号: 101

该数据集来自于卡内基梅隆大学(1978年), 包含美国人口普查局收集的美国马萨诸塞州波士顿506个不同郊区的房屋数据
数据集有以下14个属性:
CRIM, ZN, INDUS, CHAS, NOX, RM, AGE, DIS, RAD, TAX, PTRATIO, B, LSTAT, MEDV
## 数据行数, 列数
506, 14

## 目标变量
MEDV 数值变量 自有住房的房价中位数(单位为 1000 美元)

## 特征变量
CRIM 数值变量 城镇人口犯罪率
ZN 数值变量 超过25000平方英尺的住宅用地所占比例
INDUS 数值变量 城镇非零售业务地区的比例
CHAS 分类变量 查尔斯河虚拟变量(如果土地在河边=1；否则是0)
NOX 数值变量 一氧化氮浓度(每1000万份)
RM 数值变量 平均每居民房数
AGE 数值变量 在1940年之前建成的所有者占用单位的比例
DIS 数值变量 与五个波士顿就业中心的加权距离
RAD 数值变量 辐射状公路的可达性指数
TAX 数值变量 每10000美元的全额物业税率
RTRATIO 数值变量 城镇师生比例
B 数值变量 1000(Bk-0.63)^2其中Bk是城镇黑人的比例
LSTAT 数值变量 人口中地位较低人群的百分数

参考文献:

[1] 赵 冉. 基于回归方法分析波士顿房价数据间的相关关系[J]. 统计学与应用, 2020, 9(3):10.
[2] 李会琼, 朱桂玲, 郭召. 单指标众数模型的统计诊断及在波士顿房价分析中的应用[J]. 数理统计与管理, 2017(06):1091-1105.
[3] 王园园. 基于经典和稳健方法的波士顿房价研究成果综述[J]. 市场周刊, 2019(03):40-43.
[4] 高文. 基于遗传算法优化的BP神经网络对房价预测的研究[D]. 延安大学, 2019.
[5] 吴雨. 基于模拟退火算法的改进极限学习机[J]. 计算机系统应用, 2020, 029(002):163-168.