机器学习中数据集的加载和预处理

机器学习使用样本数据集训练模型：

• 如果数据集出现问题，那么训练结果也会出现问题（garbage in, garbage out.）；
• 通常需要对数据集进行检查，对有问题的数据集进行预处理；

加载并浏览数据集

举例：

```
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

house = pd.read_csv('data\\boston.csv')
print(house.shape)
```

数据项说明

• CRIM：城镇人均犯罪率；
• ZN：住宅用地超过25000的比例；
• INDUS：城镇非零售商用土地的比例；
• CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）；
• NOX：一氧化氮浓度；
• RM：住宅平均房间数；
• AGE：1940年之前建成的自用房屋比例；
• DIS：到波士顿五个中心区域的加权距离；
• RAD：辐射性公路的接近指数；
• TAX：每10000美元的全值财产税率；
• PTRATIO：城镇师生比例；
• B：1000（Bk-0.63）^ 2，其中 Bk