美国房产宜居性评估机器学习竞赛数据集
数据来源：互联网公开数据
标签：房产，宜居性，机器学习，Hackathon，美国，居住环境，数据分析
数据概述：
本数据集来源于HackerEarth组织的机器学习竞赛，旨在评估美国房产的宜居性。数据集包含了关于美国各地房产的各项属性，用于预测房产的宜居性得分。数据集中每一行代表一个房产，包含了多种特征，用于分析房产的居住适宜程度。
数据用途概述：
该数据集主要用于机器学习模型的训练与评估，目标是根据房产的各项特征，预测其宜居性得分。适用于开发和测试各种机器学习算法，例如回归模型和分类模型，用于解决与房产评估、居住环境分析相关的实际问题。此外，该数据集也适合用于教育目的，帮助学习者理解机器学习在房地产领域的应用，并进行数据分析和模型构建的实践。
字段描述：
* Property_ID：房产的唯一标识符
* Property_Type：房产类型（例如：公寓、平房等）
* Property_Area：房产的面积（单位：平方英尺）
* Number_of_Windows：房产的窗户数量
* Number_of_Doors：房产的门的数量
* Furnishing：房屋的家具配置（例如：全配、半配、未配）
* 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（例如：全天候、每天一次（上午）、每天一次（晚上）、每两天一次）
* Traffic_Density_Score：交通密度评分（1-10）
* Crime_Rate：社区犯罪率（例如：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：社区的尘埃和噪音水平（高、中、低）
* Air_Quality_Index：空气质量指数
* Neighborhood_Review：居民对社区的平均评价
* Habitability_score：房产的宜居性得分
