数据分享：汽车行业-汽车属性数据集
说明：如需数据可以直接到文章最后关注获取。
1.数据背景
Automobile数据集源自于对汽车市场深入研究的需求，旨在为汽车行业提供一个全面且详细的资源，以便更好地理解影响汽车价格及性能的各种因素。该数据集最初由卡内基梅隆大学（Carnegie Mellon University）的研究人员收集并整理，并被广泛用于机器学习和统计分析的教学与实践中。其主要目的是通过包含多维度信息的数据集，支持从价格预测到车辆分类等多种任务的研究，帮助学术界和工业界的专家探索如何利用数据分析提升汽车设计、定价策略以及市场营销的效果。
此数据集包含了来自不同制造商的汽车详细属性，包括但不限于制造地、燃料类型、引擎规格、车身样式、驱动轮配置等。这些属性不仅涵盖了基本的物理尺寸如车长、车宽、车重等，还涉及了技术细节如发动机位置、马力输出等，以及经济指标如城市和高速公路燃油消耗量等。此外，数据集中还包括了一些描述性统计变量，例如每辆汽车的价格区间和维修记录等级，这使得它成为了一个理想的工具，可用于探索各种因素对汽车价值的影响，以及在不同市场条件下的表现。
Automobile数据集自发布以来，已被应用于多个领域的研究和实践中，包括但不限于经济学、工程学、计算机科学等。特别是在机器学习领域，该数据集常被用来进行回归分析以预测汽车价格，或作为分类算法的基础来评估车辆的燃油效率等级。随着汽车行业向智能化、电动化方向的发展，此类数据集的重要性日益凸显，不仅有助于改进现有的模型和技术，也为未来交通解决方案的设计提供了宝贵的参考。因此，持续更新和完善Automobile数据集，对于推动相关领域的进步具有重要意义。
2.数据介绍
数据格式为xlsx格式。
| 编号 | 变量名称 | 描述 |
| 1 | price | 汽车的价格（单位：美元） |
| 2 | highway-mpg | 高速公路工况下的燃油效率（单位：每加仑行驶的英里数，MPG） |
| 3 | city-mpg | 城市工况下的燃油效率（单位：每加仑行驶的英里数，MPG） |
| 4 | peak-rpm | 发动机达到最大功率时的转速（单位：每分钟转数，RPM） |
| 5 | horsepower | 发动机输出功率（单位：马力，hp） |
| 6 | compression-ratio | 发动机的压缩比，表示气缸内气体被压缩的程度 |
| 7 | stroke | 活塞行程（单位：英寸），即活塞从上止点到下止点的距离 |
| 8 | bore | 气缸直径（单位：英寸） |
| 9 | fuel-system | 燃油系统类型，例如单点喷射（mpfi）、多点喷射（spdi）等 |
| 10 | engine-size | 发动机排量（单位：立方厘米，cc） |
| 11 | num-of-cylinders | 气缸数量，例如 4 缸、6 缸、8 缸 |
| 12 | engine-type | 发动机类型，例如直列式（dohc）、V 型（ohcv）等 |
| 13 | curb-weight | 整车空载重量（单位：磅） |
| 14 | height | 车辆高度（单位：英寸） |
| 15 | width | 车辆宽度（单位：英寸） |
| 16 | length | 车辆长度（单位：英寸） |
| 17 | wheel-base | 轴距（前后轮中心的距离，单位：英寸） |
| 18 | engine-location | 发动机位置，例如前置（front）、中置（rear） |
| 19 | drive-wheels | 驱动轮配置，例如前驱（fwd）、后驱（rwd）、四驱（4wd） |
| 20 | body-style | 车身样式，例如轿车（sedan）、硬顶车（hardtop）、敞篷车（convertible）、SUV 等 |
| 21 | num-of-doors | 车门数量，例如 2 门、4 门 |
| 22 | aspiration | 进气方式，例如自然吸气（std）、涡轮增压（turbo） |
| 23 | fuel-type | 燃料类型，例如汽油（gas）、柴油（diesel） |
| 24 | make | 汽车制造商（品牌），例如 Toyota、Ford 等 |
| 25 | normalized-losses | 标准化损失值，用于衡量车辆在事故或其他情况下的平均损失成本 |
| 26 | y | 风险等级评分 |
数据详情如下(部分展示)：
3.数据获取
关注下方名片 回复1036获取 或者 CSDN私信发消息获取。