印度城市房屋价格预测-印度城市房地产数据集-rahulagrawal1025
数据来源：互联网公开数据
标签：房地产,房屋价格,印度,房价预测,机器学习,数据分析,城市,住房,地理位置,市场分析
数据概述：
本数据集包含印度多个城市公寓的房地产信息，涵盖价格、面积、位置以及其他关键特征。数据旨在为数据科学爱好者和研究人员提供一个探索印度房地产市场、开发公寓价格预测模型的平台。
数据集中包含的特征包括：
Location（位置）：公寓所在的城市或区域。
Carpet Area (sq. ft.)（地毯面积/实用面积（平方英尺））：公寓内部的可用面积。
Transaction（交易类型）：房产是新房还是二手房。
Furnishing（装修情况）：公寓是全装修、半装修还是未装修。
Facing（朝向）：公寓的朝向。
Society（小区名称）：公寓所属的小区或综合体名称。
Bathroom（浴室数量）：公寓内的浴室数量。
Balcony（阳台数量）：公寓内的阳台数量。
Ownership（产权）：产权类型（例如，永久产权或租赁产权）。
Area (sqft)（建筑面积）：公寓的总建筑面积。
BHK（卧室数量）：卧室、客厅和厨房的数量。
FlatFloor（楼层）：公寓所在的楼层。
TotalFloors（总楼层数）：建筑物中的总楼层数。
Basement（是否有地下室）：公寓是否有地下室（True/False）。
Main Road（是否临主路）：公寓是否面向主路。
Garden/Park（是否有花园/公园）：公寓是否可以俯瞰花园或公园。
Pool（是否有泳池）：公寓是否可以使用泳池。
Parking Numbers（停车位数量）：可用的停车位数量。
Parking Type（停车类型）：停车类型（例如，室内、室外）。
Sale Price (in Crores)（售价（千万卢比））：公寓的售价，以千万卢比为单位。
Latitude（纬度）：位置的纬度值。
Longitude（经度）：位置的经度值。
State（州）：位置所在的州。
数据用途概述：
该数据集适用于多种应用场景，包括：
公寓价格的预测建模。
印度房地产市场趋势分析。
探索性数据分析，以深入了解住房市场。
