数据主要包括2014年5月至2015年5月美国King County的房屋销售价格以及房屋的基本信息。 （已将hearder列标题写入数据开头） 其中训练数据主要包括10000条记录，14个字段，分别代表： 销售日期（date）：2014年5月到2015年5月房屋出售时的日期； 销售价格（price）：房屋交易价格，单位为美元，是目标预测值； 卧室数（bedroom_num）：房屋中的卧室数目； 浴室数（bathroom_num）:房屋中的浴室数目； 房屋面积（house_area）：房屋里的生活面积； 停车面积（park_space）：停车坪的面积； 楼层数（floor_num）：房屋的楼层数； 房屋评分（house_score）：King County房屋评分系统对房屋的总体评分； 建筑面积（covered_area）：除了地下室之外的房屋建筑面积； 地下室面积（basement_area）：地下室的面积； 建筑年份（yearbuilt）：房屋建成的年份； 修复年份（yearremodadd）：房屋上次修复的年份； 纬度（lat）：房屋所在纬度； 经度（long）：房屋所在经度。

房价预测，数据主要包括2014年5月至2015年5月美国King County的房屋销售价格以及房屋的基本信息。

金县房屋销售线性回归 金县房屋销售数据的线性回归建模 小组成员 安德鲁·穆勒（Andrew Muller） 阿舍尔·汗（Ashe Khan） 商业案例 我们将预测应该出售多少房屋，以便确定市场上的房屋是定价过低还是定价过高。 我们的客户是希望出售房屋的房主，但不知道卖多少钱。 数据分析 我们获得了column_names.md文件中该列的信息。 将所有数据转换为数值数据类型后，我们将处理所有NaN值并创建一些新功能：“ yr_since_renovation”，“ yr_since_built”和“ renovated”。 然后，我们删除不需要的功能：“视图”，“ sqft_above”，“ sqft_living15”，“ sqft_lot15”和“日期”。 清理数据后，我们开始对其进行分析。 每个变量相对于我们的目标价格的散点图显示了我们哪些变量具有明显的线性关系。 当我们开始查看

全国省市sql，下载运行到mysql即可

包含美国的所有ZIP5+4邮编，有city、state、county、经纬度。支持导入到数据库。适合开发地质校验，外贸等行业，完美数据。

lee_county_SIT:MRR分析

来自洛杉矶县的COVID-19数据 下面的图显示了有关洛杉矶县COVID-19病例的信息，以及为了重新开放学校必须满足的阈值。 数据来自并使用Gi​​thub Actions每六个小时自动更新一次。 下图显示了洛杉矶县每100,000例病例。 水平线对应于“中度”，“实质性”和“广泛传播”感染的状态定义。 有关详细信息，请参见[加州更安全的经济蓝图]]（ ）。 所在县进入实质（红色）级别至少两周后，学校可以重新开放以面对面授课。 在制定《更安全的经济蓝图》之前，重新开设学校的门槛是根据之前14天（每100,000个）的总和得出的。 下图显示了此数据，由于它可以洞察当前活动的COVID-19感染数量，因此仍然有用。 该站点是由Sina Booeshaghi，Ingileif Hallgrimsdottir和Lior Pachter开发的。