🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

1回答

1599閲覧

python:ボストン住宅価格データセットの目的変数がCSVにダウンロードできない

python_2019

総合スコア68

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2019/11/28 06:28

ボストン住宅価格データセット(14項目)をCSVにダウンロードしようとしたのですが、なぜか目的変数(13項目)しかダウンロードできす、目的変数(1項目(MEDV:1000ドルでの所有者居住住宅の中央値)がダウンロードできません。
どなたか、お教え頂ければ幸いです。

from sklearn import datasets boston = datasets.load_boston() import pandas as pd boston_df = pd.DataFrame(boston.data, columns=boston.feature_names) boston_df.to_csv('boston.csv')
print(boston_df)
CRIM ZN INDUS CHAS NOX RM AGE DIS RAD TAX \ 0 0.00632 18.0 2.31 0.0 0.538 6.575 65.2 4.0900 1.0 296.0 1 0.02731 0.0 7.07 0.0 0.469 6.421 78.9 4.9671 2.0 242.0 2 0.02729 0.0 7.07 0.0 0.469 7.185 61.1 4.9671 2.0 242.0 3 0.03237 0.0 2.18 0.0 0.458 6.998 45.8 6.0622 3.0 222.0 4 0.06905 0.0 2.18 0.0 0.458 7.147 54.2 6.0622 3.0 222.0 5 0.02985 0.0 2.18 0.0 0.458 6.430 58.7 6.0622 3.0 222.0 6 0.08829 12.5 7.87 0.0 0.524 6.012 66.6 5.5605 5.0 311.0 7 0.14455 12.5 7.87 0.0 0.524 6.172 96.1 5.9505 5.0 311.0 8 0.21124 12.5 7.87 0.0 0.524 5.631 100.0 6.0821 5.0 311.0 9 0.17004 12.5 7.87 0.0 0.524 6.004 85.9 6.5921 5.0 311.0 10 0.22489 12.5 7.87 0.0 0.524 6.377 94.3 6.3467 5.0 311.0 11 0.11747 12.5 7.87 0.0 0.524 6.009 82.9 6.2267 5.0 311.0 12 0.09378 12.5 7.87 0.0 0.524 5.889 39.0 5.4509 5.0 311.0 13 0.62976 0.0 8.14 0.0 0.538 5.949 61.8 4.7075 4.0 307.0 14 0.63796 0.0 8.14 0.0 0.538 6.096 84.5 4.4619 4.0 307.0 15 0.62739 0.0 8.14 0.0 0.538 5.834 56.5 4.4986 4.0 307.0 16 1.05393 0.0 8.14 0.0 0.538 5.935 29.3 4.4986 4.0 307.0 17 0.78420 0.0 8.14 0.0 0.538 5.990 81.7 4.2579 4.0 307.0 18 0.80271 0.0 8.14 0.0 0.538 5.456 36.6 3.7965 4.0 307.0 19 0.72580 0.0 8.14 0.0 0.538 5.727 69.5 3.7965 4.0 307.0 20 1.25179 0.0 8.14 0.0 0.538 5.570 98.1 3.7979 4.0 307.0 21 0.85204 0.0 8.14 0.0 0.538 5.965 89.2 4.0123 4.0 307.0 22 1.23247 0.0 8.14 0.0 0.538 6.142 91.7 3.9769 4.0 307.0 23 0.98843 0.0 8.14 0.0 0.538 5.813 100.0 4.0952 4.0 307.0 24 0.75026 0.0 8.14 0.0 0.538 5.924 94.1 4.3996 4.0 307.0 25 0.84054 0.0 8.14 0.0 0.538 5.599 85.7 4.4546 4.0 307.0 26 0.67191 0.0 8.14 0.0 0.538 5.813 90.3 4.6820 4.0 307.0 27 0.95577 0.0 8.14 0.0 0.538 6.047 88.8 4.4534 4.0 307.0 28 0.77299 0.0 8.14 0.0 0.538 6.495 94.4 4.4547 4.0 307.0 29 1.00245 0.0 8.14 0.0 0.538 6.674 87.3 4.2390 4.0 307.0 .. ... ... ... ... ... ... ... ... ... ... 476 4.87141 0.0 18.10 0.0 0.614 6.484 93.6 2.3053 24.0 666.0 477 15.02340 0.0 18.10 0.0 0.614 5.304 97.3 2.1007 24.0 666.0 478 10.23300 0.0 18.10 0.0 0.614 6.185 96.7 2.1705 24.0 666.0 479 14.33370 0.0 18.10 0.0 0.614 6.229 88.0 1.9512 24.0 666.0 480 5.82401 0.0 18.10 0.0 0.532 6.242 64.7 3.4242 24.0 666.0 481 5.70818 0.0 18.10 0.0 0.532 6.750 74.9 3.3317 24.0 666.0 482 5.73116 0.0 18.10 0.0 0.532 7.061 77.0 3.4106 24.0 666.0 483 2.81838 0.0 18.10 0.0 0.532 5.762 40.3 4.0983 24.0 666.0 484 2.37857 0.0 18.10 0.0 0.583 5.871 41.9 3.7240 24.0 666.0 485 3.67367 0.0 18.10 0.0 0.583 6.312 51.9 3.9917 24.0 666.0 486 5.69175 0.0 18.10 0.0 0.583 6.114 79.8 3.5459 24.0 666.0 487 4.83567 0.0 18.10 0.0 0.583 5.905 53.2 3.1523 24.0 666.0 488 0.15086 0.0 27.74 0.0 0.609 5.454 92.7 1.8209 4.0 711.0 489 0.18337 0.0 27.74 0.0 0.609 5.414 98.3 1.7554 4.0 711.0 490 0.20746 0.0 27.74 0.0 0.609 5.093 98.0 1.8226 4.0 711.0 491 0.10574 0.0 27.74 0.0 0.609 5.983 98.8 1.8681 4.0 711.0 492 0.11132 0.0 27.74 0.0 0.609 5.983 83.5 2.1099 4.0 711.0 493 0.17331 0.0 9.69 0.0 0.585 5.707 54.0 2.3817 6.0 391.0 494 0.27957 0.0 9.69 0.0 0.585 5.926 42.6 2.3817 6.0 391.0 495 0.17899 0.0 9.69 0.0 0.585 5.670 28.8 2.7986 6.0 391.0 496 0.28960 0.0 9.69 0.0 0.585 5.390 72.9 2.7986 6.0 391.0 497 0.26838 0.0 9.69 0.0 0.585 5.794 70.6 2.8927 6.0 391.0 498 0.23912 0.0 9.69 0.0 0.585 6.019 65.3 2.4091 6.0 391.0 499 0.17783 0.0 9.69 0.0 0.585 5.569 73.5 2.3999 6.0 391.0 500 0.22438 0.0 9.69 0.0 0.585 6.027 79.7 2.4982 6.0 391.0 501 0.06263 0.0 11.93 0.0 0.573 6.593 69.1 2.4786 1.0 273.0 502 0.04527 0.0 11.93 0.0 0.573 6.120 76.7 2.2875 1.0 273.0 503 0.06076 0.0 11.93 0.0 0.573 6.976 91.0 2.1675 1.0 273.0 504 0.10959 0.0 11.93 0.0 0.573 6.794 89.3 2.3889 1.0 273.0 505 0.04741 0.0 11.93 0.0 0.573 6.030 80.8 2.5050 1.0 273.0 PTRATIO B LSTAT 0 15.3 396.90 4.98 1 17.8 396.90 9.14 2 17.8 392.83 4.03 3 18.7 394.63 2.94 4 18.7 396.90 5.33 5 18.7 394.12 5.21 6 15.2 395.60 12.43 7 15.2 396.90 19.15 8 15.2 386.63 29.93 9 15.2 386.71 17.10 10 15.2 392.52 20.45 11 15.2 396.90 13.27 12 15.2 390.50 15.71 13 21.0 396.90 8.26 14 21.0 380.02 10.26 15 21.0 395.62 8.47 16 21.0 386.85 6.58 17 21.0 386.75 14.67 18 21.0 288.99 11.69 19 21.0 390.95 11.28 20 21.0 376.57 21.02 21 21.0 392.53 13.83 22 21.0 396.90 18.72 23 21.0 394.54 19.88 24 21.0 394.33 16.30 25 21.0 303.42 16.51 26 21.0 376.88 14.81 27 21.0 306.38 17.28 28 21.0 387.94 12.80 29 21.0 380.23 11.98 .. ... ... ... 476 20.2 396.21 18.68 477 20.2 349.48 24.91 478 20.2 379.70 18.03 479 20.2 383.32 13.11 480 20.2 396.90 10.74 481 20.2 393.07 7.74 482 20.2 395.28 7.01 483 20.2 392.92 10.42 484 20.2 370.73 13.34 485 20.2 388.62 10.58 486 20.2 392.68 14.98 487 20.2 388.22 11.45 488 20.1 395.09 18.06 489 20.1 344.05 23.97 490 20.1 318.43 29.68 491 20.1 390.11 18.07 492 20.1 396.90 13.35 493 19.2 396.90 12.01 494 19.2 396.90 13.59 495 19.2 393.29 17.60 496 19.2 396.90 21.14 497 19.2 396.90 14.10 498 19.2 396.90 12.92 499 19.2 395.77 15.10 500 19.2 396.90 14.33 501 21.0 391.99 9.67 502 21.0 396.90 9.08 503 21.0 396.90 5.64 504 21.0 393.45 6.48 505 21.0 396.90 7.88 [506 rows x 13 columns] ​

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

投稿2019/11/28 06:49

Wind

総合スコア442

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

python_2019

2019/11/28 07:15

ご連絡ありがとうございます。 以下のように、boston.targetに修正したのですが、エラーが出てしまいます...。 from sklearn import datasets boston = datasets.load_boston() import pandas as pd boston_df = pd.DataFrame(boston.target,columns=boston.feature_names) boston_df.to_csv('boston_test.csv') ValueError: Shape of passed values is (506, 1), indices imply (506, 13)
python_2019

2019/11/29 00:59

ご連絡ありがとうございます。 勉強させて頂きます。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.36%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問