房价预测分析产品系统

房地产 / 智慧城市 / 数据智能
在房地产评估、银行抵押贷款审批、个人购房决策等场景中，快速、准确地预估房产价值是核心需求。本项目针对二手房交易数据，构建了一个端到端的房价预测模型，帮助用户从房屋面积、地理位置、房龄、户型等多维度量化房产价值，为定价、投资和评估提供数据支撑。

数据自动化清洗 自动从原始字段中提取面积数值、价格数值、建造年份、房间数/厅数等信息，并统一单位与格式
智能特征工程 生成房龄、每室面积等衍生特征，对偏态分布特征进行对数变换，对类别特征进行编码
异常值智能过滤 根据业务常识自动剔除总价、单价、面积、房龄等维度中的异常样本，提升数据质量
房价预测建模 基于Gradient Boosting算法训练回归模型，实现对房产总价的精准预测
模型评估与可视化 输出R²、MAE等核心指标，自动生成特征重要性排序及预测效果散点图
多维度统计分析 按城市、户型（室数）等维度聚合统计，揭示不同市场层级的价格规律

技术栈
编程语言：Python 3.8+
数据处理：Pandas, NumPy
机器学习：Scikit-learn（GradientBoostingRegressor, train_test_split, cross_val_score）
可视化：Matplotlib, Seaborn
编码工具：LabelEncoder（类别特征数值化）
核心实现逻辑
1. 数据清洗与特征提取
原始数据包含105,178条房产记录，首先通过正则表达式从非结构化字段中提取关键数值：
面积：从"88.5㎡" → 88.5
总价：从"128万" → 128
建造年份：从"建于2016年" → 2016
房间/厅数：从"3室2厅" → 3, 2
2. 特征工程
对数变换：对price_num和area_num进行log1p变换，压缩长尾分布，提升模型拟合能力
特征组合：构造area_per_room（每室面积）等交互特征，增强模型表达能力
缺失值处理：数值型特征用中位数填充，类别型特征用"未知"填充
异常值过滤：设定业务合理阈值（总价5万~5000万，面积20~500㎡，房龄0~34年等），剔除噪声样本
3. 模型训练与评估
采用Gradient Boosting Regressor作为基础模型