ImportError: `load_boston` has been removed from scikit-learn since version 1.2.
Setul de date Boston Housing a fost scos din scikit-learn în versiunea 1.2, din cauza unei probleme etice a unei variabile. Folosește alt set de date: fetch_california_housing pentru prețuri de locuințe sau load_diabetes, inclus direct în bibliotecă, pentru exerciții de regresie.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Foarte multe cursuri și cărți de Machine Learning încep cu from sklearn.datasets import load_boston. Din scikit-learn 1.2, funcția nu mai există, iar importul aruncă un ImportError cu un mesaj lung: setul de date conține o variabilă construită pe o ipoteză rasială, considerată problematică, iar mentenanții bibliotecii recomandă alternative. Mesajul îți dă chiar codul pentru fetch_california_housing (prețuri de locuințe din California) și pentru setul Ames Housing de pe OpenML.
Alternativele fetch_... descarcă datele de pe internet la prima rulare, deci nu merg fără conexiune. Pentru exerciții offline, scikit-learn include seturi mici direct în bibliotecă: load_diabetes (regresie, 442 de pacienți, 10 caracteristici), load_iris, load_wine și load_breast_cancer (clasificare). În editorul nostru din browser merg doar acestea.
De ce apare: cauzele frecvente
1Import din tutorial vechi
from sklearn.datasets import load_boston
date = load_boston()from sklearn.datasets import fetch_california_housing
date = fetch_california_housing()Setul California Housing are tot prețuri de locuințe, dar e descărcat la prima folosire.
2Exerciție de regresie fără internet
from sklearn.datasets import load_boston
X, y = load_boston(return_X_y=True)from sklearn.datasets import load_diabetes
X, y = load_diabetes(return_X_y=True)load_diabetes vine împreună cu biblioteca, deci merge și offline.
Repară eroarea, direct în pagină
Codul de mai jos dă un ImportError care spune că load_boston a fost eliminat din scikit-learn în versiunea 1.2. Repară-l folosind setul de regresie load_diabetes, inclus în bibliotecă, ca programul să afișeze forma datelor și scorul R² al unei regresii liniare pe setul de test.
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
X, y = load_boston(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
model = LinearRegression().fit(X_train, y_train)
print("Forma X:", X.shape)
print("R2 test:", round(model.score(X_test, y_test), 3))Forma X: (442, 10) R2 test: 0.332
Indiciu
Importă load_diabetes și apelează-l cu return_X_y=True.
Reparația
from sklearn.datasets import load_diabetes
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
X, y = load_diabetes(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
model = LinearRegression().fit(X_train, y_train)
print("Forma X:", X.shape)
print("R2 test:", round(model.score(X_test, y_test), 3))De ce merge
load_boston a fost eliminat din scikit-learn, deci importul se oprește înainte de orice altă linie. load_diabetes este un set de regresie inclus în bibliotecă: 442 de pacienți, 10 caracteristici medicale deja scalate și o țintă numerică (progresia bolii după un an). Restul codului rămâne neschimbat, pentru că ambele funcții întorc X și y în același format. Scorul R² pe test arată cât din variația țintei explică modelul liniar.
Alte forme ale mesajului
ImportError: cannot import name 'load_boston' from 'sklearn.datasets'
Cum o eviți pe viitor
Când un tutorial folosește load_boston, înlocuiește-l din start cu fetch_california_housing (pentru aceeași temă) sau cu load_diabetes (offline). Seturile încorporate se încarcă la fel: load_...(return_X_y=True) îți dă direct X și y, iar as_frame=True îți dă un DataFrame pandas, cu nume de coloane.
Întrebări frecvente
De ce a fost eliminat setul Boston?
Una dintre coloane, „B”, a fost construită de autorii originali pe baza unei ipoteze despre segregarea rasială și efectul ei asupra prețurilor. Mentenanții scikit-learn au considerat că setul nu mai trebuie folosit ca exemplu standard și l-au eliminat, cu explicația pe care o vezi în mesaj.
Pot încărca totuși datele Boston?
Mesajul de eroare îți arată de unde pot fi descărcate, dacă ai un motiv anume, de exemplu chiar studiul problemelor etice din date. Pentru învățat regresia, alternativele propuse sunt mai potrivite.
Erori înrudite
ModuleNotFoundError: No module named 'sklearn.cross_validation' Modulul sklearn.cross_validation a fost eliminat de mult (în scikit-learn 0.20). train_test_split, cross_val_score, KFold și GridSearchCV se importă acum din sklearn.model_selection. Schimbă importul: from sklearn.model_selection import train_test_split. TypeError: OneHotEncoder.__init__() got an unexpected keyword argument 'sparse' Parametrul sparse al lui OneHotEncoder a fost redenumit sparse_output în scikit-learn 1.2 și eliminat în 1.4. Codul vine dintr-un tutorial mai vechi. Scrie OneHotEncoder(sparse_output=False). Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
