California Housing

Precios de vivienda por distrito censal de California en 1990, el sucesor moderno del clásico Boston Housing.

ÁreaBenchmarks Clásicos de Machine Learning
DominioBenchmark Clásico
DificultadPrincipiante
Tamaño20,640 distritos censales · 8 features
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Practicar regresión sobre un problema de precios inmobiliarios real
  • Explorar relaciones geoespaciales simples (latitud/longitud como features)
  • Comparar modelos de regresión lineal contra modelos no lineales (árboles, boosting)

Descripción

Derivado del censo de California de 1990, este dataset agrega variables demográficas y de vivienda (ingreso medio, edad de las casas, número de habitaciones) a nivel de distrito censal, con el precio medio de vivienda como variable objetivo. Reemplazó al histórico Boston Housing dataset tras ser retirado de scikit-learn por preocupaciones éticas sobre una de sus variables.

Casos de uso

  • Práctica introductoria de regresión con datos reales
  • Comparación de modelos lineales contra modelos de ensamble
  • Introducción a features geoespaciales simples (latitud, longitud)
  • Enseñanza de métricas de regresión (RMSE, MAE, R²)

Cómo cargarlo

Cómo cargarlopython
from sklearn.datasets import fetch_california_housing

datos = fetch_california_housing(as_frame=True)
print(datos.frame.describe())

Ventajas y limitaciones

Ventajas

  • Disponible directamente en scikit-learn, sin descargas manuales
  • Tamaño ideal para practicar sin ser trivial
  • Sin los problemas éticos del dataset que reemplazó (Boston Housing)

Limitaciones

  • Datos de 1990, por lo que los precios absolutos no reflejan el mercado actual
  • Nivel de agregación por distrito censal, no por vivienda individual

Datasets relacionados