如何在Google Colab/Kaggle导入加州住房数据集？遇HTTPError求解

问题描述 #

在Kaggle和Google Colab中运行以下代码时出现HTTPError，但相同代码在本地Jupyter Notebook可正常运行：

from sklearn.datasets import fetch_california_housing
from sklearn.model_selection import train_test_split
housing = fetch_california_housing()

可能原因及解决方案 #

• 网络限制导致无法拉取数据集
  Kaggle/Colab的服务器可能无法直接访问sklearn的数据集源站，可手动下载数据集后导入：
  1. 本地运行fetch_california_housing()，找到数据集存储路径（通常在~/scikit_learn_data/下）
  2. 将california_housing相关文件上传到Kaggle/Colab的工作目录
  3. 修改代码，指定本地路径加载：

     from sklearn.datasets import fetch_california_housing
     housing = fetch_california_housing(data_home='./')
     

• sklearn版本差异
  检查Kaggle/Colab中的sklearn版本，若版本过旧可能存在兼容问题，执行以下命令升级：

  !pip install --upgrade scikit-learn
  

• 使用替代数据集源
  手动下载加州住房数据集的CSV版本，上传到Kaggle/Colab的工作目录后，用pandas读取：

  import pandas as pd
  housing = pd.read_csv('./housing.csv')
  

内容的提问来源于stack exchange，提问作者Idowu