业务和功能介绍
基于 Kaggle 真实数据集，使用机器学习完整复现「数据探查→预处理→建模调参→评估优化」的工业界落地流程，最终实现房屋销售价格的精准预测，将最终的预测结果误差控制在2w美金以内，达到模型稳定预测
项目实现
模型选择与调参:
核心模型：LGBMRegressor（LightGBM）
核心优势：
训练速度快，精准度表现尚佳，比传统XGBoost更省资源；
泛化能力强：自带 L1/L2 正则化、特征采样等抗过拟合机制；
对缺失值鲁棒：无需额外处理缺失值（但本项目为了流程规范，仍做了统一填充）；
支持大规模数据：内存占用低，适合多特征、大数据量场景；
项目背景与目标:
背景：
房屋价格受「物理属性（面积、卧室数）、区位因素（邻里环境）、配套设施（车库、泳池）」等79个特征影响，是典型的多特征回归问题。本项目基于 Kaggle 公开数据集，模拟房产中介/金融机构的房价评估场景，通过机器学习模型学习特征与价格的映射关系。
目标：
给定1460条房屋的79个特征，构建回归模型预测房屋销售价格，要求：
预测误差（MAE）控制在20000美元以内；
模型泛化能力强，避免过拟合；
流程可复现、可迁移到其他回归场景。
关键问题识别：
缺失值严重：部分特征缺失率极高（如PoolQC缺失率99.5%），需针对性填充；
特征类型混杂：数值型与分类型特征并存，需分开预处理；
特征量级差异大：如“面积（ hundreds of sqft）”与“卧室数（1-5）”，需标准化消除影 响；
目标变量分布：房屋价格呈右偏分布，模型需适配连续值预测。
核心技术方案：
数据加载
数据探查
数据预处理
数据集拆分
模型训练+网格搜索调参
模型评估
结果分析与优化
核心模型：LGBMRegressor（LightGBM）
核心优势：
训练速度快，精准度表现尚佳，比传统XGBoost更省资源；
泛化能力强：自带 L1/L2 正则化、特征采样等抗过拟合机制；
对缺失值鲁棒：无需额外处理缺失值（但本项目为了流程规范，仍做了统一填充）；
支持大规模数据：内存占用低，适合多特征、大数据量场景；
项目背景与目标:
背景：
房屋价格受「物理属性（面积、卧室数）、区位因素（邻里环境）、配套设施（车库、泳池）」等79个特征影响，是典型的多特征回归问题。本项目基于 Kaggle 公开数据集，模拟房产中介/金融机构的房价评估场景，通过机器学习模型学习特征与价格的映射关系。
目标：
给定1460条房屋的79个特征，构建回归模型预测房屋销售价格，要求：
预测误差（MAE）控制在20000美元以内；
模型泛化能力强，避免过拟合；
流程可复现、可迁移到其他回归场景。
关键问题识别：
缺失值严重：部分特征缺失率极高（如PoolQC缺失率99.5%），需针对性填充；
特征类型混杂：数值型与分类型特征并存，需分开预处理；
特征量级差异大：如“面积（ hundreds of sqft）”与“卧室数（1-5）”，需标准化消除影 响；
目标变量分布：房屋价格呈右偏分布，模型需适配连续值预测。
核心技术方案：
数据加载
数据探查
数据预处理
数据集拆分
模型训练+网格搜索调参
模型评估
结果分析与优化
示例图片视频
相似推荐
多源融合运维平台
融合多项运维数据，构建一站式运维管理平台。打通ITOP、zabbix、动环数据、私有云平台等数据交换。实现事件发现、事件处理、事件反馈等全流程可追溯。
可以根据需求进行扩展和二次开发，灵活、方便、易用。
可定制功能板块，按需接入AI应用，实现智能分析处理。
可根据用户需要规划设计各类型应用和网络，助力信息化建设。
国密级别数据溯源信息加密研究平台
本系统是研究型数据安全审核平台。由本系统负责安全审核：判断本次访问或导出是否合理、是否存在异常或越权、是否需要审批，并对每一步操作留痕，实现全程可追溯。目前主要功能均已实现并可正常运行：从数据接入、分析研判、审批放行，到全程留痕追溯，整体流程已贯通并通过测试；8个模型均为真实运行。
xxx态势平台
网络安全项目，采集片区网络数据，分析高中低危网络数据，数据研判、可视化呈现。
采集数据量每天1-3亿数据，实时入库，数据清洗、数据归并、数据分发研判、研判结果及红头文件下发、资产管理、可视化大屏实时呈现、威胁情报管理
漏洞挖掘全链路调度系统（Bounty Router）
立项背景：漏洞挖掘流程高度碎片化——侦察用一套工具，审计用另一套，报告再
手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4
小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报
告的统一调度器。
核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/
GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一：
Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→
gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全
专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹
配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。
业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分）
→ 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化）
→ 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi
等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。
HOS-LS
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服