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
¿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
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