优客逸家（成都）信息科技有限公司 · 数据挖掘（实习）

任职时间：2018 - 2019 (实习)

岗位简介

作为数据挖掘实习生参与成都主城区租房/售房价格预测模型的全流程构建工作，聚焦数据处理与模型优化，通过量化分析为公司房源定价策略提供数据支撑，覆盖数据收集、特征工程、模型训练到成果落地的完整链路。

核心工作职责

• 数据收集与清洗：从房产交易平台、公司内部房源数据库及第三方地理信息接口（高德/百度地图API）收集数据，覆盖成都12个主城区的5万+条房源记录；使用Python（Pandas/Numpy）处理缺失值（如户型、装修、配套信息）、异常值（如极端价格房源）及重复数据，数据清洗后有效样本率从75%提升至92%。
• 特征工程：提取房源核心特征（面积、户型、楼层、建成年代、地铁距离、周边商超/学校数量等），完成类别特征编码（One-Hot/Label Encoding）、数值特征归一化/标准化；通过相关性分析、卡方检验筛选核心特征，剔除20+个冗余特征后模型训练效率提升约30%。
• 模型训练与优化：基于Scikit-learn搭建线性回归、随机森林、XGBoost等回归模型，使用5折交叉验证评估模型效果；通过网格搜索（GridSearchCV）调优超参数，最终模型预测准确率较基线模型提升15%，月租金10%以内。
• 结果输出与落地：使用Matplotlib/Seaborn制作房价影响因素可视化报告，明确地铁距离（权重0.32）、户型（权重0.28）是影响房价的核心因素；将模型预测结果整合至公司内部定价系统，辅助业务人员快速制定房源定价方案。
• 感谢：特别感谢我的导师数心（刘涓池）在实习期间的悉心指导与支持，帮助我快速成长并顺利完成各项任务。

实习成果

• 优化后的房价预测模型被应用于成都主城区3000+套房源的定价参考，定价偏差率从18%降低至10%以内；
• 整理形成《房源数据清洗与特征工程规范》文档，成为团队后续数据处理的参考标准；
• 协助完成2期业务数据分析报告，识别出成华区、武侯区为高潜力房源拓展区域，为业务决策提供数据支持。

核心技术栈

Python（Pandas/Numpy/Scikit-learn/XGBoost）、SQL（MySQL）、Matplotlib/Seaborn、Spark py、高德地图API