美国房屋宜居性预测机器学习竞赛数据集
数据来源：互联网公开数据
标签：机器学习,房屋,宜居性,预测,美国,HackerEarth,竞赛,房地产,数据分析
数据概述：
本数据集是HackerEarth平台举办的“Get a Room ML Hackathon”竞赛所使用的数据集，旨在通过机器学习模型预测美国房屋的宜居性评分。 数据集包含训练集（train.csv）、测试集（test.csv）和提交样例文件（sample_submission.csv）。 训练集和测试集分别包含39496条和10500条房屋信息，用于模型的训练和评估。
数据字段描述：
* Property_ID：房屋的唯一标识
* Property_Type：房屋类型（公寓、平房等）
* Property_Area：房屋面积（平方英尺）
* Number_of_Windows：窗户数量
* Number_of_Doors：门的数量
* Furnishing：房屋装修情况（全装修、半装修、未装修）
* Frequency_of_Powercuts：每周平均停电次数
* Power_Backup：是否有备用电源
* Water_Supply：供水情况（全天候、每天一次-上午、每天一次-下午、每两天一次）
* Traffic_Density_Score：交通拥堵程度评分（1-10）
* Crime_Rate：社区犯罪率（远低于平均水平、略低于平均水平、略高于平均水平、远高于平均水平）
* Dust_and_Noise：社区的粉尘和噪音程度（高、中、低）
* Air_Quality_Index：社区空气质量指数
* Neighborhood_Review：居民对社区的平均评分
* Habitability_score：房屋宜居性评分（目标变量，仅在训练集中）
数据用途概述：
该数据集主要用于机器学习模型的训练和评估，目标是预测房屋的宜居性评分。 开发者可以使用该数据集进行特征工程、模型选择、参数调优等，构建预测模型。 此外，该数据集也可用于探索性数据分析，以了解不同因素对房屋宜居性的影响，为房地产市场分析和个人住房选择提供参考。
