印度二手车价格预测数据集
数据来源：互联网公开数据
标签：二手车,价格预测,印度市场,机器学习,回归模型,汽车品牌,汽车型号,年份,里程,燃油类型,变速箱类型,颜色,车主数量,服务历史,城市位置,事故记录,发动机容量,汽车类型,保险类型
数据概述：
本数据集包含100,000条印度二手车市场上的车辆信息记录，目标变量为二手车的售价（单位：印度卢比）。数据集旨在用于训练机器学习模型以根据车辆的品牌、型号、生产年份、里程、事故记录等多个特征预测二手车的价格。
数据用途概述：
该数据集适用于构建二手车价格预测模型、分析影响二手车价格的因素以及研究市场趋势。具体应用场景包括：
1. 价格预测模型：开发机器学习模型以预测二手车的价格。
2. 价格分析：理解不同因素如何影响印度二手车市场的定价。
3. 市场趋势：分析车辆贬值模式、品牌和型号对二手车价格的影响以及不同城市间的定价差异。
举例：
1. 品牌：车辆的品牌（例如：马鲁蒂铃木、本田、丰田、宝马等）。
2. 型号：车辆的型号（例如：Swift、Civic、Corolla、X5等）。
3. 年份：车辆的生产年份。
4. 行驶里程（公里）：车辆的总行驶里程数（单位：公里）。
5. 燃油类型：车辆使用的燃油类型（例如：汽油、柴油、CNG、电动等）。
6. 变速箱类型：车辆使用的变速箱类型（例如：手动、自动等）。
7. 颜色：车辆的颜色（例如：白色、黑色、红色、蓝色等）。
8. 车主数量：车辆的前车主数量（例如：1、2或3）。
9. 服务历史：车辆是否有完整的维修记录（真/假）。
10. 城市位置：车辆列出所在的地区或城市（例如：德里、孟买、班加罗尔、钦奈等）。
11. 事故记录：车辆是否涉及过事故（真/假）。
12. 发动机容量（升）：车辆的发动机容量（单位：升）。
13. 车辆类型：车辆的车身类型（例如：轿车、SUV、掀背车、双门跑车等）。
14. 保险类型：车辆的保险类型（例如：全车保险、第三方保险、无保险等）。
15. 价格（印度卢比）：二手车的售价（目标变量），售价受到车辆年龄、里程、事故历史和市场需求等因素的影响。
关键见解：
1. 折旧：车辆的价格随着年龄、里程和事故历史的增加而下降。
2. 地区影响：在高需求的城市（例如：德里、孟买），车辆的价格通常高于其他地区。
3. 品牌和型号影响：高端品牌如宝马和奔驰的基础价格较高，折旧速度较慢。
4. 燃油类型：汽油和柴油车辆的价格通常高于CNG或电动车辆，因为需求较高。
5. 变速箱：自动挡车辆的价格通常高于手动挡车辆，尤其是在高端型号中。
6. 车辆类型：SUV和豪华轿车通常比掀背车和紧凑型轿车的二手车价格更高。
7. 服务历史：拥有完整维修记录的车辆通常能以更高的价格售出。
价格计算方法：
1. 基础价格：每种车型都有根据新车市场价值定义的基础价格（例如：本田Civic起售价为70万印度卢比）。
2. 折旧：根据车辆的年龄、里程、事故历史、车主数量和服务历史等因素减少价格。
3. 价格上限：二手车的价格不超过车辆的新车基础价格，确保二手车价格始终低于或等于新车价格。
4. 需求溢价：在需求较高的城市中，车辆的价格会额外增加溢价。
