說明：如需數據可以直接到文章最后關注獲取。
1.數據背景???
Automobile數據集源自于對汽車市場深入研究的需求，旨在為汽車行業提供一個全面且詳細的資源，以便更好地理解影響汽車價格及性能的各種因素。該數據集最初由卡內基梅隆大學（Carnegie Mellon University）的研究人員收集并整理，并被廣泛用于機器學習和統計分析的教學與實踐中。其主要目的是通過包含多維度信息的數據集，支持從價格預測到車輛分類等多種任務的研究，幫助學術界和工業界的專家探索如何利用數據分析提升汽車設計、定價策略以及市場營銷的效果。
此數據集包含了來自不同制造商的汽車詳細屬性，包括但不限于制造地、燃料類型、引擎規格、車身樣式、驅動輪配置等。這些屬性不僅涵蓋了基本的物理尺寸如車長、車寬、車重等，還涉及了技術細節如發動機位置、馬力輸出等，以及經濟指標如城市和高速公路燃油消耗量等。此外，數據集中還包括了一些描述性統計變量，例如每輛汽車的價格區間和維修記錄等級，這使得它成為了一個理想的工具，可用于探索各種因素對汽車價值的影響，以及在不同市場條件下的表現。
Automobile數據集自發布以來，已被應用于多個領域的研究和實踐中，包括但不限于經濟學、工程學、計算機科學等。特別是在機器學習領域，該數據集常被用來進行回歸分析以預測汽車價格，或作為分類算法的基礎來評估車輛的燃油效率等級。隨著汽車行業向智能化、電動化方向的發展，此類數據集的重要性日益凸顯，不僅有助于改進現有的模型和技術，也為未來交通解決方案的設計提供了寶貴的參考。因此，持續更新和完善Automobile數據集，對于推動相關領域的進步具有重要意義。 ?
2.數據介紹
數據格式為xlsx格式。 ???
| 編號 | 變量名稱 | 描述 |
| 1 | price | 汽車的價格（單位：美元） |
| 2 | highway-mpg | 高速公路工況下的燃油效率（單位：每加侖行駛的英里數，MPG） |
| 3 | city-mpg | 城市工況下的燃油效率（單位：每加侖行駛的英里數，MPG） |
| 4 | peak-rpm | 發動機達到最大功率時的轉速（單位：每分鐘轉數，RPM） |
| 5 | horsepower | 發動機輸出功率（單位：馬力，hp） |
| 6 | compression-ratio | 發動機的壓縮比，表示氣缸內氣體被壓縮的程度 |
| 7 | stroke | 活塞行程（單位：英寸），即活塞從上止點到下止點的距離 |
| 8 | bore | 氣缸直徑（單位：英寸） |
| 9 | fuel-system | 燃油系統類型，例如單點噴射（mpfi）、多點噴射（spdi）等 |
| 10 | engine-size | 發動機排量（單位：立方厘米，cc） |
| 11 | num-of-cylinders | 氣缸數量，例如 4 缸、6 缸、8 缸 |
| 12 | engine-type | 發動機類型，例如直列式（dohc）、V 型（ohcv）等 |
| 13 | curb-weight | 整車空載重量（單位：磅） |
| 14 | height | 車輛高度（單位：英寸） |
| 15 | width | 車輛寬度（單位：英寸） |
| 16 | length | 車輛長度（單位：英寸） |
| 17 | wheel-base | 軸距（前后輪中心的距離，單位：英寸） |
| 18 | engine-location | 發動機位置，例如前置（front）、中置（rear） |
| 19 | drive-wheels | 驅動輪配置，例如前驅（fwd）、后驅（rwd）、四驅（4wd） |
| 20 | body-style | 車身樣式，例如轎車（sedan）、硬頂車（hardtop）、敞篷車（convertible）、SUV 等 |
| 21 | num-of-doors | 車門數量，例如 2 門、4 門 |
| 22 | aspiration | 進氣方式，例如自然吸氣（std）、渦輪增壓（turbo） |
| 23 | fuel-type | 燃料類型，例如汽油（gas）、柴油（diesel） |
| 24 | make | 汽車制造商（品牌），例如 Toyota、Ford 等 |
| 25 | normalized-losses | 標準化損失值，用于衡量車輛在事故或其他情況下的平均損失成本 |
| 26 | y | 風險等級評分 |
數據詳情如下(部分展示)：?
3.數據獲取
關注下方名片? ? 回復1036獲取? ?或者? CSDN私信發消息獲取。
