fetch_california_housing() 是 Scikit-learn 内置的一个函数，用于从互联网下载加州住房价格数据集（California Housing dataset），并将其作为 Bunch 对象返回。
作用
fetch_california_housing() 的作用是获取加州住房价格数据集，用于机器学习模型的训练和评估。
这个数据集是由加利福尼亚州住房局提供的，包含了加州 1990 年的普查数据，其中共有 20640 条数据，每个数据表示一个街区，有 8 个属性：1) MedInc（街区收入的中位数）; 2) HouseAge（街区房屋年龄中位数）; 3) AveRooms（街区平均房间数）; 4) AveBedrms（街区平均卧室数）; 5) Population（街区人口总数）; 6) AveOccup（街区平均入住率）; 7) Latitude（街区的纬度）; 8) Longitude（街区的经度）。
这个数据集通常用于回归问题的机器学习任务，例如预测街区房价中位数。
使用方法
在使用之前，需要先导入 fetch_california_housing() 函数：
from sklearn.datasets import fetch_california_housing
然后，可以通过下面的代码来获取数据集：
california_housing = fetch_california_housing()
默认情况下，该函数会将数据集下载到当前目录（~/scikit_learn_data），并将数据集从原始数据格式转换为以 Bunch 对象表示。其中，Bunch 对象类似于字典对象，具有 .data 和 .target 属性。其中，.data 是数据矩阵，.target 是目标值。
此外，还可以通过设置参数 return_X_y=True 来直接返回数据矩阵和目标值，如下所示：
data, target = fetch_california_housing(return_X_y=True)
这样就可以将获取到的数据集作为数据矩阵和目标值拆分开来，方便后续的模型训练和评估。
实例说明
下面是两个实例说明 fetch_california_housing() 的使用方法。
实例1：将数据集保存到本地
import numpy as np
from sklearn.datasets import fetch_california_housing
# 设置数据集保存路径
data_path = './california_housing/'
# 获取数据集并保存到本地
california_housing = fetch_california_housing(data_home=data_path, download_if_missing=True)
data = np.hstack([california_housing.data, california_housing.target.reshape(-1, 1)])
np.savetxt(data_path + 'california_housing.csv', data, delimiter=',')
这个例子演示了如何将从 fetch_california_housing() 获取的数据集保存到本地。
首先，设置数据集保存路径 data_path，然后将其作为参数传递给 fetch_california_housing() 函数。在函数中，将参数 download_if_missing=True 设置为 True，表示如果本地已经存在该数据集，则不再下载，否则会从互联网上下载该数据集到本地。随后，将数据集保存到本地文件 california_housing.csv 中。
实例2：使用交叉验证评估1个线性回归模型
from sklearn.datasets import fetch_california_housing
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
# 获取数据集
california_housing = fetch_california_housing()
# 创建模型对象
lr = LinearRegression()
# 进行交叉验证评估
scores = cross_val_score(lr, california_housing.data, california_housing.target, cv=10, scoring='neg_mean_squared_error')
print('scores:', scores)
print('mean score:', scores.mean())
这个例子演示了如何使用 fetch_california_housing() 函数获取数据集，并使用交叉验证评估一个线性回归模型。
首先，获取数据集。随后，创建一个线性回归模型 lr。接着，使用 cross_val_score() 函数对该模型进行交叉验证评估。在 cross_val_score() 函数中，将参数 cv 设置为 10，表示进行 10 折交叉验证；将参数 scoring 设置为 neg_mean_squared_error，表示评估指标为均方误差（MSE）的负数，即越小越好。最后，打印出所有折验证分的得分以及平均得分。