Descripción del conjunto de datos de viviendas de California

Muchos de los ejercicios del Curso intensivo de aprendizaje automático utilizan el conjunto de datos de viviendas de California, el cual contiene datos extraídos del censo de nacional de 1990. La siguiente tabla proporciona descripciones, rangos de datos y tipos de datos para cada atributo del conjunto de datos.

Título de la columna	Descripción	Rango*	Tipo de dato
longitude	Una medida de cuán al oeste se encuentra una casa, una valor mayor significa más al oeste	Valores de longitud desde -180 hasta +180 Mínimo del conjunto de datos: -124.3 Máximo del conjunto de datos: -114.3	float64
latitude	Una medida de cuán al norte se encuentra una casa, una valor mayor significa más al norte	Valores de latitud desde -90 hasta +90 Mínimo del conjunto de datos: 32.5 Máximo del conjunto de datos: 42.5	float64
housingMedianAge	Antigüedad mediana de una casa en una manzana, una cifra menor significa una construcción más nueva	Mínimo del conjunto de datos: 1.0 Máximo del conjunto de datos: 52.0	float64
totalRooms	Cantidad total de habitaciones en una manzana	Mínimo del conjunto de datos: 2.0 Máximo del conjunto de datos: 37937.0	float64
totalBedrooms	Cantidad total de camas en una manzana	Mínimo del conjunto de datos: 1.0 Máximo del conjunto de datos: 6445.0	float64
population	Cantidad total de residentes en una manzana	Mínimo del conjunto de datos: 3.0 Máximo del conjunto de datos: 35682.0	float64
households	Cantidad total de grupos familiares (conjunto de personas que reside en una misma casa) en una manzana	Mínimo del conjunto de datos: 1.0 Máximo del conjunto de datos: 6082.0	float64
medianIncome	Ingreso mediano de los grupos familiares de una manzana (medido en decenas de miles de dólares estadounidenses)	Mínimo del conjunto de datos: 0.5 Máximo del conjunto de datos: 15.0	float64
medianHouseValue	Valor mediano de una casa para grupos familiares en una misma manzana (medido en dólares estadounidenses)	Mínimo del conjunto de datos: 14999.0 Máximo del conjunto de datos: 500001.0	float64

* Los valores mínimos y máximos de la tabla siguiente se obtuvieron de los blocs de notas de ejercicio mediante pandas.DataFrame.describe() del conjunto de datos de viviendas de California.

Referencia

Pace, R. Kelley, y Ronald Barry, "Sparse Spatial Autoregressions," Statistics and Probability Letters, volumen 33, número 3, 5 de mayo de 1997, pp. 291-297.

A continuación, la metodología de datos descrita en el artículo:

Recolectamos información para las variables utilizando todos los grupos de manzanas en California del censo de 1990. En este universo, un grupo de manzanas incluye en promedio 1425.5 individuos que viven en un área geográfica compacta. Naturalmente, el área geográfica incluida varía de forma inversa a la densidad poblacional. Computamos las distancias entre los centroides de cada grupo de manzanas según latitud y longitud. Se excluyeron todos los grupos de manzanas que no incluían ninguna entrada para las variables dependientes e independientes. Los datos finales contenían 20,640 observaciones sobre 9 características.