01

60 秒回答模板

我会先把问题定义清楚：预测的是挂牌价、成交价还是未来一段时间的价格，粒度是小区、房源还是区域。数据上收集历史成交、挂牌、面积、户型、楼层、房龄、地铁学校商圈、区域供需、时间趋势和宏观指标；特征上做地理位置、时间、房源属性、周边设施、历史均价、同小区对比和异常值处理；模型可以从线性回归、树模型、GBDT/XGBoost 到时空模型逐步迭代；评估用时间切分验证，指标看 MAE、RMSE、MAPE 和分区域误差，最后通过误差分析和数据漂移监控持续更新。

考点 目标先定清
难度 真实面经题
回答目标 讲清方法、取舍和追问
02

深入解析

01

定义预测目标

先明确价格口径和预测周期。成交价更真实但滞后，挂牌价更及时但有噪声；预测未来价格和估算当前合理价，对特征窗口和验证方式要求不同。

02

构建数据集合

数据可以来自历史成交、挂牌信息、房源属性、地理位置、学区、地铁、商圈、人口流动、土地供应、利率和政策变化。关键是统一时间口径并处理缺失、重复和异常价格。

03

做特征工程

常用特征包括面积、户型、楼层、朝向、房龄、装修、经纬度、距离地铁学校商圈、区域均价、同小区历史价格、成交周期和季节趋势。地理特征和时间特征通常很重要。

04

选择模型路线

基线可以用线性回归或规则均价，主模型可用 Random Forest、GBDT、XGBoost、LightGBM 等树模型处理非线性和特征交互。数据量足够时再考虑时空模型或深度模型。

05

评估和迭代

房价数据有明显时间漂移，不能只随机切分。应按时间和区域做验证，关注 MAE、RMSE、MAPE、分价位误差和长尾区域表现，并对异常误差做 case 分析。

03

易错点

  • 不要一上来只说用 XGBoost，要先定义价格口径和数据时间窗口。
  • 不要随机切分导致时间泄漏，房价预测要用时间维度验证。
  • 不要忽略异常值，极端价格和特殊交易会明显影响回归模型。
  • 不要只看整体 RMSE，分区域和分价位误差更能说明问题。
04

面试官追问

为什么不能随机切训练集和测试集？

房价有时间趋势和政策周期，随机切分可能让未来分布泄漏到训练中，离线效果会虚高。

如何处理地理位置特征？

可以用经纬度、行政区、小区、距离 POI、网格编码、区域历史均价和空间聚类等方式表达位置影响。

模型误差很大怎么分析？

按区域、价位、房龄、户型、成交时间和异常样本分桶，看是数据缺失、异常交易、政策变化还是模型表达不足。