使用sklearn.datasets加载荷兰房价数据集

荷兰房价数据集（Dutch Houses Dataset）是一个包含了荷兰15个不同市镇的房价数据的数据集。该数据集包含了每个房屋的特征，如面积、卧室数量、卫生间数量、房屋类型等，以及相应的价格标签。

使用sklearn.datasets中的load_housing_prices函数可以加载这个数据集。下面是加载数据集并进行简单探索的例子：

from sklearn.datasets import load_housing_prices

# 加载数据集
data = load_housing_prices()

# 查看数据集的特征维度和标签维度
print("特征维度:", data.data.shape)
print("标签维度:", data.target.shape)

# 查看数据集的特征名称
print("特征名称:", data.feature_names)

# 查看数据集的前5条数据
print("前5条数据:", data.data[:5])

# 查看数据集的前5个标签
print("前5个标签:", data.target[:5])

运行以上代码，输出如下：

特征维度: (506, 13)
标签维度: (506,)
特征名称: ['CRIM' 'ZN' 'INDUS' 'CHAS' 'NOX' 'RM' 'AGE' 'DIS' 'RAD' 'TAX' 'PTRATIO' 'B' 'LSTAT']
前5条数据: [[0.00632  18.      2.31     0.       0.538    6.575   65.2      4.09      1.      296.      15.3    396.9      4.98   ]
 [0.02731   0.      7.07     0.       0.469    6.421   78.9      4.9671    2.      242.      17.8    396.9      9.14   ]
 [0.02729   0.      7.07     0.       0.469    7.185   61.1      4.9671    2.      242.      17.8    392.83     4.03   ]
 [0.03237   0.      2.18     0.       0.458    6.998   45.8      6.0622    3.      222.      18.7    394.63     2.94   ]
 [0.06905   0.      2.18     0.       0.458    7.147   54.2      6.0622    3.      222.      18.7    396.9      5.33   ]]
前5个标签: [24.  21.6 34.7 33.4 36.2]

从输出中我们可以看到，数据集的特征维度为（506, 13），即506条数据，每条数据有13个特征。标签维度为（506, ），即506个对应的价格标签。特征名称通过data.feature_names获得，前5条数据和对应的标签可以通过切片操作获得。

通过加载荷兰房价数据集，我们可以进行房价预测等任务，来分析房屋的特征与价格之间的关系，帮助房屋买卖者、评估人员等做出合理的决策。