简介：基于Python和PyQt5实现的二手房价分析与预测系统，是一份面向高校学生的毕业设计、期末大作业与课程设计高分项目源码。系统覆盖房价数据清洗、统计分析与预测建模等完整流程，界面基于PyQt5构建，操作直观。资源共17个文件，以Python脚本为核心，包含6个py文件，分别承担主窗口、业务分析、图表展示等功能；另有1个UI界面文件、1个csv格式房价数据集，以及运行所需的pyc缓存和png图标图片资源，压缩包仅134KB，部署轻量。每个模块均带有详细注释，代码结构清晰，新手也能快速读懂；项目已经严格调试，确保可运行。已有272人学习使用，配套README说明与完整目录结构，便于按模块查阅。整体界面美观、功能完善，既能直接用于答辩展示，也适合作为二次开发的参考，具有较高的实际应用价值。
1. 把二手房价预测做成桌面系统：这个项目到底值不值得做
在课程设计和毕业设计里，“基于 Python 和 PyQt5 的二手房价分析与预测系统”是出现频率最高的一类题目，也是最容易做成“有界面、有预测、能现场演示”的完整项目。它的价值不只是拿高分，而是把 pandas 数据处理、机器学习建模和 PyQt5 桌面开发串成了同一条链路：数据清洗和特征工程在前，模型训练在中，PyQt5 界面在后。这篇按我实际交付这类项目的顺序来写——先让数据说话，再把模型装进窗口，最后踩一遍安装失败、线程卡死、打包翻车的坑。适合想做课程设计、想用完整源码和数据集快速搭出可展示系统，又不满足于只交一堆 Jupyter 代码的从业者。
2. 先让数据说话：二手房价数据集的清洗与特征工程
二手房价预测系统的分数高低，八成不取决于界面漂不漂亮，而取决于你给模型喂了什么数据。数据里的坑不处理干净，后面模型训练和 GUI 预测全部跟着遭殃。常见做法是拿到数据集先做三件事：字段梳理、缺失值处理、异常值剔除，再做特征工程，最后才进入模型选型。
2.1 拿到数据集先做这三件事：字段梳理、缺失值、异常值
二手房数据集通常长这样：小区名称、区域、朝向、室、厅、面积、楼层、建造年份、总价、单价。但网上找来的数据集字段名五花八门，有的叫“总价(万)”，有的叫“价格”，有的是“平均单价”但单位是元/平米。第一步先把字段类型和取值看一遍，避免后面所有代码建立在错误假设上。
import pandas as pd df = pd.read_csv("data/house_data.csv", encoding="utf-8-sig") print(df.shape) # 样本量 print(df.dtypes) # 每个字段的类型 print(df.head(10)) # 快速看前几行数据长什么样 print(df.describe(include="all"))这段代码里有两个关键参数。第一是encoding="utf-8-sig"，很多二手房 CSV 是从 Excel 导出的，用 utf-8-sig 比 utf-8 更能处理带 BOM 头的文件，避免第一列列名出现\ufeff这种隐形前缀。第二是describe(include="all")，include="all" 会把字符串字段的计数、唯一值数量也带出来，方便你直接发现“朝向”里有“南”也有“朝南”这种脏数据。
接下来处理缺失值和异常值。二手房价数据的缺失值一般集中在建造年份、楼层、装修情况这几个字段，而异常值集中在总价和面积上。最常见的脏数据是：面积 3 平米（其实是车位）、总价 0.1 万（单位录错）、建造年份 2035 年（录入错误）。
# 数值字段统一转 float，转不了的变成 NaN df["总价"] = pd.to_numeric(df["总价"], errors="coerce") df["面积"] = pd.to_numeric(df["面积"], errors="coerce") # 缺失值用中位数填充 df["总价"] = df["总价"].fillna(df["总价"].median()) df["面积"] = df["面积"].fillna(df["面积"].median()) df["建造年份"] = df["建造年份"].fillna(df["建造年份"].median()) # 异常值剔除：面积 5 平以下基本是车位，500 平以上基本是录入错误 df = df[(df["面积"] >= 5) & (df["面积"] <= 500)] # 总价 5 万以下不叫房子，3000 万以上属于豪宅，对普通预测模型是噪声 df = df[(df["总价"] >= 5) & (df["总价"] <= 3000)]errors="coerce"的作用是把“120万”这类带单位文本转成 120，转不了的变成 NaN；range 过滤用布尔索引，注意这里的边界值要结合你自己的数据集分布调。比如城市是北京，总价下限可以提到 20 万；城市是三四线，3000 万上限基本不会触发。处理完以后重新看一眼df.shape，如果过滤掉了超过 10% 的样本，先怀疑是不是单位不统一，而不是急着删数据。
2.2 特征工程决定模型上限：朝向编码、房龄计算、区域均价
二手房价预测的特征工程有几个固定动作：朝向从文本变成数字、楼层从高/中/低变成数字、房龄从建造年份换算出来、区域均价把地理位置信息浓缩成一个数值。这些特征都是二手房领域经验证有效的强特征，比把小区名做 one-hot 靠谱得多。
from datetime import datetime # 朝向编码：8 个主朝向，低频朝向统一归为 8 direction_map = {"东": 0, "南": 1, "西": 2, "北": 3, "东南": 4, "东北": 5, "西南": 6, "西北": 7} df["朝向编码"] = df["朝向"].map(direction_map).fillna(8) # 楼层：低/中/高，未知楼层按中楼层处理 floor_map = {"低": 0, "中": 1, "高": 2} df["楼层编码"] = df["楼层"].map(floor_map).fillna(1) # 房龄：用当前年份减建造年份，未来年份归零 current_year = datetime.now().year df["房龄"] = current_year - df["建造年份"] df.loc[df["房龄"] < 0, "房龄"] = 0 # 区域均价：把地理信息压缩成一个连续数值 df["区域均价"] = df.groupby("区域")["总价"].transform("mean").round(2)朝向不要用 get_dummies 摊成 8 列，原因有两个：一是树模型对稀疏 one-hot 列不敏感，二是 GUI 端输入时会多 8 个控件，徒增复杂度。朝向用有序编码就够了，因为东南等朝向本身就有价值差异。groupby + transform("mean")和groupby + map的区别在于：transform 返回的是跟原始 df 同样长度的 Series，能直接赋给新列，不用再 merge，这一步最容易写错。
房龄这里有个细节：直接用datetime.now().year会让模型每年“变老”，如果你只是交课程设计没问题；如果要长期使用，更稳的做法是把当前年份写死成数据集年份，比如 2024，否则同一套房今年预测和明年预测的特征值会漂移。这就是为什么很多开源项目里能看到“基准年份”这个概念。
2.3 房价预测模型怎么选：线性回归兜底，随机森林和 XGBoost 冲刺
房价预测的模型选型有一个黄金原则：先跑线性回归拿到一个 baseline，再用随机森林这类树模型去提升。线性回归跑不通时，先回头查数据，不要急着换复杂模型。这能避免你花大量时间调 XGBoost，最后发现只是面积单位传错了。
from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import r2_score, mean_squared_error import numpy as np import joblib feature_cols = ["面积", "朝向编码", "房龄", "楼层编码", "区域均价", "室", "厅"] X = df[feature_cols] y = df["总价"] X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42) lr = LinearRegression() lr.fit(X_train, y_train) lr_pred = lr.predict(X_test) rf = RandomForestRegressor( n_estimators=300, max_depth=10, min_samples_leaf=2, random_state=42 ) rf.fit(X_train, y_train) rf_pred = rf.predict(X_test) for name, pred in [("LinearRegression", lr_pred), ("RandomForest", rf_pred)]: rmse = np.sqrt(mean_squared_error(y_test, pred)) print(f"{name} RMSE: {rmse:.2f} 万元, R2: {r2_score(y_test, pred):.4f}") # 保存模型和特征列顺序，GUI 端加载时要用 joblib.dump(rf, "model.pkl") joblib.dump(feature_cols, "feature_columns.joblib")test_size=0.2意味着 20% 样本被留出来做评估，random_state=42固定随机种子，保证每次跑出来的划分一致，答辩时你能复现同一个数字。随机森林的三个参数值得单独说：n_estimators=300是树的数量，300 颗树在几千条样本上已经够用，继续加对精度提升很小，但会让 GUI 端加载模型变慢；max_depth=10控制单棵树深度，防止过拟合；min_samples_leaf=2要求叶子节点至少 2 个样本，是抑制噪声的常用手段。
我用常规链家风格的 5000 到 10000 条数据训练时，线性回归 R2 通常在 0.80 到 0.88，随机森林能到 0.90 到 0.95，RMSE 差 10 万到 20 万。这个水平的模型已经足够做课程设计演示，不必追求刷分。如果数据里有装修、楼龄、梯户比这些字段，可以继续加进 feature_cols。特征列顺序非常重要，训练时是["面积", "朝向编码", ...]，GUI 预测时也必须完全一致，所以第 2.3 节最后一行用 joblib 把列名存下来了，这就是 3.3 节不翻车的底气。
3. 把模型装进窗口：PyQt5 界面布局、图表嵌入与预测交互
模型训练完成，下面进入 PyQt5 界面的部分。这套系统我一般把窗口拆成三块：左侧是参数输入区，右侧是结果区，结果区再分两个 Tab——一个画房价分布，一个画真实值和预测值的对比。这个结构对课程设计来说足够完整，逻辑也清晰。
3.1 主窗口布局：表单输入、预测按钮、结果显示
主窗口采用 QMainWindow 作为容器，左侧用一个 QFormLayout 摆输入项，右侧用一个 QTabWidget 放图表。QFormLayout 的特点是标签和输入框自动对齐，省去手动调位置的功夫。
import sys from PyQt5.QtWidgets import ( QApplication, QMainWindow, QWidget, QHBoxLayout, QVBoxLayout, QFormLayout, QLineEdit, QComboBox, QPushButton, QLabel, QTabWidget) from PyQt5.QtCore import Qt class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("二手房价分析与预测系统") self.resize(1080, 720) central = QWidget() self.setCentralWidget(central) root = QHBoxLayout(central) # 左侧输入区 form_box = QWidget() form = QFormLayout(form_box) self.area_edit = QLineEdit() self.area_edit.setPlaceholderText("例如：85.5") form.addRow("建筑面积(平米)", self.area_edit) self.direction_combo = QComboBox() self.direction_combo.addItems(["东", "南", "西", "北", "东南"]) form.addRow("朝向", self.direction_combo) self.room_combo = QComboBox() self.room_combo.addItems(["1", "2", "3", "4", "5"]) form.addRow("室", self.room_combo) self.floor_combo = QComboBox() self.floor_combo.addItems(["低", "中", "高"]) form.addRow("楼层", self.floor_combo) self.age_edit = QLineEdit() self.age_edit.setPlaceholderText("例如：12") form.addRow("房龄(年)", self.age_edit) self.predict_btn = QPushButton("预测总价") self.predict_btn.clicked.connect(self.on_predict) form.addRow(self.predict_btn) self.result_label = QLabel("预测结果会显示在这里") self.result_label.setWordWrap(True) form.addRow(self.result_label) root.addWidget(form_box, 1) # 右侧图表区 self.tabs = QTabWidget() self.dist_canvas = PriceChart() self.compare_canvas = PriceChart() self.tabs.addTab(self.dist_canvas, "房价分布") self.tabs.addTab(self.compare_canvas, "真实 vs 预测") root.addWidget(self.tabs, 2)布局里root.addWidget(form_box, 1)中的第二个参数是拉伸因子，左侧输入区占 1 份，右侧图表区占 2 份，窗口拉大图表跟着变大。这个比例对 1080x720 的窗口比较合适。QLineEdit 适合输入面积和房龄这类连续值，QComboBox 适合朝向、楼层、室数这些离散值，两者搭配，从源头减少用户输入非法字符的可能性。
一个容易被忽略的点：QTabWidget 放在右侧，意味着你可以把“数据可视化”和“预测”两个能力分开展示。答辩时先切到“房价分布”讲数据特征，再切回输入区做实时预测，演示逻辑更顺畅。
3.2 用 matplotlib 把数据图表嵌进 PyQt5 窗口
matplotlib 嵌入 PyQt5 有一个固定套路：用FigureCanvasQTAgg作为画布，把它当成普通控件加进布局里。注意 backend 的设置时机，要在任何 pyplot 调用之前指定 Qt5Agg，否则可能出现无法嵌入窗口的情况。
import matplotlib matplotlib.use("Qt5Agg") from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas from matplotlib.figure import Figure class PriceChart(FigureCanvas): def __init__(self, parent=None): self.figure = Figure(figsize=(5, 4)) super().__init__(self.figure) self.setParent(parent) def draw_hist(self, prices): self.figure.clear() ax = self.figure.add_subplot(111) ax.hist(prices, bins=30, color="#4C72B0", edgecolor="white") ax.set_title("二手房总价分布") ax.set_xlabel("总价(万元)") ax.set_ylabel("数量") self.draw() def draw_scatter(self, y_true, y_pred): self.figure.clear() ax = self.figure.add_subplot(111) ax.scatter(y_true, y_pred, alpha=0.5, s=20) max_val = max(max(y_true), max(y_pred)) ax.plot([0, max_val], [0, max_val], color="red", linestyle="--") ax.set_xlabel("真实总价(万元)") ax.set_ylabel("预测总价(万元)") ax.set_title("预测值 vs 真实值") self.draw()self.figure.clear()每次画图前清空画布，否则重复调用 draw_hist 时旧图会残留。self.draw()是 FigureCanvas 自带的刷新方法，注意不是self.figure.canvas.draw()。bins=30 是直方图分箱数，数据量 5000 条以上时 30 箱能把分布形状摸出来，太少会丢失细节，太多会出现大量空箱。
画散点图时加上 y=x 参考线，一眼能看出模型是系统性高估还是低估。如果散点整体在参考线下面，模型倾向高估房价，此时回去看数据里是不是混进了大量挂牌价虚高的房源。这套可视化逻辑，答辩时讲 10 分钟绰绰有余。
3.3 预测按钮背后：加载模型、特征对齐、结果回显
预测按钮的事件处理是整个系统里最容易写错环环相扣的部分。要做的三件事是：加载模型、把界面输入拼成特征向量、predict 后把结果写回 QLabel。特征对齐是这里的命门，我吃过亏，后面第 4 章专门讲。
from PyQt5.QtCore import QThread, pyqtSignal import pandas as pd import joblib class MainWindow(QMainWindow): def __init__(self): # ... 前面布局代码不变 ... self.model = joblib.load("model.pkl") self.feature_columns = joblib.load("feature_columns.joblib") self.direction_map = {"东": 0, "南": 1, "西": 2, "北": 3, "东南": 4, "东北": 5, "西南": 6, "西北": 7} self.floor_map = {"低": 0, "中": 1, "高": 2} def on_predict(self): try: area = float(self.area_edit.text()) age = float(self.age_edit.text()) except ValueError: self.result_label.setText("面积和房龄必须是数字") return if area <= 0 or age < 0: self.result_label.setText("请输入合理的面积和房龄") return sample = pd.DataFrame([{ "面积": area, "朝向编码": self.direction_map[self.direction_combo.currentText()], "房龄": age, "楼层编码": self.floor_map[self.floor_combo.currentText()], "区域均价": self.area_avg, "室": int(self.room_combo.currentText()), "厅": int(self.hall_combo.currentText()) }]) # 用训练时的列顺序强制对齐，这一步不能省 sample = sample[self.feature_columns] price = float(self.model.predict(sample)[0]) self.result_label.setText(f"预测总价：{price:.1f} 万元")sample[self.feature_columns]是这段代码最重要的一行。它用训练时保存的列名列表对 DataFrame 做列选择，即使你写代码时把列顺序弄反了，经过这一步也会被纠正。try-except包住 float 转换，拦截空输入和乱输入，避免点击预测按钮时程序直接崩溃。self.area_avg是数据集里该小区的区域均价，如果界面上没有让用户选区域，就取整个数据集区域均价的均值。
实际项目中我一般还会加一个“区域”下拉框，从数据集里把区域列表读出来填进 QComboBox，选中区域后自动更新 self.area_avg。这样预测同一个户型在不同区域的价格差异，演示效果比固定一个均价好得多。
4. PyQt5 项目避坑手册：安装失败、界面卡死与打包翻车的 5 个真实问题
这部分写我在这类项目上反复踩过的坑，每条都是血泪经验，按“现象 → 原因 → 解决”的顺序写，直接照做就能省半天时间。
4.1 pip 安装 PyQt5 失败或极慢
现象：执行pip install PyQt5后长时间停在进度条不动，最后提示 timeout 或者Could not find a version that satisfies the requirement PyQt5。很多人在装 labelme 这类依赖 PyQt5 的工具时也会遇到同样的问题。
原因：默认访问的 PyPI 源在网络不稳定时响应很慢，PyQt5 包体积在 50MB 以上，慢源很容易超时；另一个原因是 Python 版本过新，PyQt5 的 wheel 还没跟上。
解决：换国内镜像源安装，同时设一个超时上限，装不上能快速报错而不是干等。
pip install PyQt5 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout 60选择源时优先用清华源或阿里源，兼容性最好。如果这个源还是装不上，试试python -m pip install PyQt5==5.15.9指定版本。Python 版本在 3.8 到 3.10 之间最稳妥，3.13 以上建议直接改用 PySide6，接口和 PyQt5 几乎一致，迁移成本很低。
4.2 点击预测按钮后界面直接“未响应”
现象：点击“预测总价”按钮后，窗口标题栏出现“未响应”，过几秒甚至十几秒才恢复。如果在模型加载阶段就卡死，可能连窗口都弹不出来。
原因：把耗时操作直接写在按钮槽函数里，PyQt5 的 UI 事件循环被阻塞。随机森林模型单次预测本身不快，再叠加每次点击都重新加载模型文件，就会出现明显卡顿。
解决：模型在窗口初始化时加载一次，不要在槽函数里重复加载；耗时预测放到 QThread 里执行，避免阻塞 UI 线程。
class PredictWorker(QThread): finished = pyqtSignal(float) def __init__(self, model, sample, parent=None): super().__init__(parent) self.model = model self.sample = sample def run(self): price = float(self.model.predict(self.sample)[0]) self.finished.emit(price)在主窗口里调用时，先启动线程，再把线程的 finished 信号连接到更新标签的槽函数。注意保存 worker 引用，否则线程会被垃圾回收。这个改动对演示体验提升非常大，预测转圈时界面还能响应用户操作。
4.3 matplotlib 图表中文全部显示成方块
现象：图表的标题、坐标轴标签中文全部变成方块，但界面上的 QLabel 中文正常。
原因：matplotlib 默认字体是 DejaVu Sans，不支持中文。PyQt5 界面用的系统字体正常，不代表 matplotlib 也认识中文。
解决：在绘制前设置字体为系统中文字体，同时关闭 unicode 负号问题。
import matplotlib matplotlib.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"] matplotlib.rcParams["axes.unicode_minus"] = FalseSimHei 是黑体，Windows 系统自带；Microsoft YaHei 是微软雅黑。设置后如果还显示方块，检查系统里是否装了对应字体。Linux 服务器上跑这套系统时，可以换成"WenQuanYi Zen Hei"或"Noto Sans CJK SC"，这两个是开源字体，不存在版权问题。
4.4 PyInstaller 打包后提示找不到 model.pkl
现象：源码跑起来一切正常，用 PyInstaller 打包成 exe 后点击预测按钮，程序报FileNotFoundError: model.pkl，或者模型能加载但数据集图表画不出来。
原因：PyInstaller 打包后程序运行在临时解压目录，当前工作路径不再是源码目录，相对路径model.pkl自然找不到。模型文件默认也不会被打进 exe，需要手动声明。
解决：在代码里写一个资源路径转换函数，打包状态和非打包状态分别处理路径。
import sys import os def resource_path(relative): try: base_path = sys._MEIPASS except AttributeError: base_path = os.path.abspath(".") return os.path.join(base_path, relative) # 加载模型时统一走 resource_path self.model = joblib.load(resource_path("model.pkl"))同时要在 spec 文件里把模型和数据打包进去：
a = Analysis(['main_window.py'], datas=[('model.pkl', '.'), ('data/house_data.csv', 'data')], ...)datas=[('model.pkl', '.')]中的圆点表示把模型文件放到解压根目录。打包后 exe 的体积会明显变大，这是正常的，PyQt5 + matplotlib + sklearn 本身就有几百 MB，不要试图用 upx 压成几十 MB，容易压出隐藏崩溃。
4.5 预测结果和训练时差一大截，玄学拉满
现象：模型在训练集上的 R2 是 0.92，界面预测某套房给的价格比实际行情高了一倍还多，而且换几组输入都发生同样的偏差。
原因：训练和预测时的特征顺序不一致，或特征值计算逻辑不一致。最典型的是区域均价在训练时用groupby.transform("mean")计算，预测时却用了另一个区域的均价；还有把朝向编码表改过，训练时南=1，预测时南=0。
解决：训练时把特征列顺序存下来，预测时用同一份列名列表对齐；所有编码映射表集中定义，修改时两个方向同步。
# 训练阶段，文件里保存固定顺序 joblib.dump(feature_cols, "feature_columns.joblib")# 预测阶段，强制按这个顺序取列 sample = sample[self.feature_columns]这个方法能挡掉大部分这类问题。剩下的小概率偏差，靠第 4.1 节和第 4.5 节配合，基本都能在上台前抓到并修正。
5. 完整跑通这套系统：环境配置、目录结构与训练预测流程
前四章把核心原理和坑都讲完了，这一章解决“怎么从零跑起来”的问题。拿到完整源码和数据集项目后，按这里给的顺序核对环境、目录、命令，能少走很多弯路。
5.1 环境准备：Python 版本选型与依赖清单
这套系统对 Python 版本相对敏感，核心原因是 PyQt5 的 wheel 发布速度和 sklearn 的依赖关系。我一般推荐用 Python 3.10，PyQt5 5.15.9 在 3.10 上稳定，scikit-learn 1.2.x 也完整支持 3.10。Python 3.12 以上部分依赖会有兼容问题，会多花时间在装环境上。
requirements.txt 长这样，版本都是组合验证过可以一起工作的：
pandas==1.5.3 numpy==1.23.5 scikit-learn==1.2.2 matplotlib==3.7.2 PyQt5==5.15.9 joblib==1.2.0安装命令建议加上镜像源，尤其是第一次装 PyQt5 时：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple注意不要混用镜像源，安装中途换源可能导致依赖版本解析错乱，最后出现“已安装版本冲突”的提示。如果装完后 PyQt5 导入报 DLL 加载失败，先检查是不是装了多个版本的 Qt 相关包，比如PyQt5和PyQt5-Qt5版本对不上。
5.2 项目目录结构：数据、模型、界面代码各归其位
拿到别人给的源码包时，第一件事是核对目录结构，不要急着打开 Python 文件。一个规范的项目目录通常长这样：
house_price_system/ ├── data/ │ └── house_data.csv ├── src/ │ ├── train_model.py │ └── main_window.py ├── requirements.txt ├── model.pkl └── feature_columns.joblib模型文件和特征列文件放在根目录是常见做法，因为 resource_path 函数处理打包路径时相对简单。如果源码包里模型文件在 model/ 子目录，记得把 resource_path 的路径改成os.path.join(base_path, "model", "model.pkl")。数据集的编码值得多看一眼，用记事本打开 CSV 如果中文正常，说明是 UTF-8 或 GBK；读代码时注意 train_model.py 里的 encoding 参数有没有写成 utf-8-sig，GBK 编码的数据用 utf-8-sig 读会乱码。
5.3 训练与启动：两条命令跑完，再核对三个输出
完整跑通只需要两条命令，但跑之前建议先把训练脚本里的特征列和界面代码里的预测列对照一遍，确保一致。
# 第一步：训练模型，生成 model.pkl 和 feature_columns.joblib python src/train_model.py # 第二步：启动 GUI python src/main_window.py训练脚本运行完，检查三样东西：终端输出的 R2 和 RMSE 值、根目录下是否生成了 model.pkl 文件、feature_columns.joblib 是否包含 7 个字段名。缺任何一个，后面 GUI 都会报错。
GUI 启动后，先不要急着预测，点一遍右侧两个图表 Tab，确认图表能画出来。然后输入一套你自己熟悉区域的真实房源数据，比如“85 平、南向、3 室、高楼层、房龄 10 年”，点击预测，看结果是否在合理区间。如果模型给出 50 万总价，而同类房源市场价在 200 万，说明模型训练有问题，按第 4.5 节的排查方法回溯特征是否对齐。
6. 从“能交作业”到“能演示”：影响因子、预测区间与答辩现场技巧
模型和界面都跑通之后，还有三个能让这套系统显得更专业的小技巧，都是我实践下来答辩时最加分的点。
第一个是特征重要性排序。随机森林自带feature_importances_，把它展示在界面或答辩 PPT 里，比单纯说“我的模型 R2 是 0.9”有说服力得多。
importances = self.model.feature_importances_ pairs = sorted(zip(self.feature_columns, importances), key=lambda x: x[1], reverse=True) for name, imp in pairs: print(f"{name}: {imp:.4f}")它能回答“到底什么在影响房价”这个非技术评委也关心的问题。常见结论是面积和区域均价排前二，朝向和楼层影响偏小，这非常符合二手房领域的直觉，讲出来比堆数据更可信。
第二个是给预测结果加一个区间。随机森林几百棵树，每一棵树都有自己的预测值，取 10% 到 90% 分位数，就能得到一个价格范围，比单一数字更能体现模型的不确定性。
import numpy as np tree_preds = np.array([tree.predict(sample)[0] for tree in self.model.estimators_]) low = np.percentile(tree_preds, 10) high = np.percentile(tree_preds, 90) print(f"预测总价区间：{low:.1f} - {high:.1f} 万元")这个区间在演示时格外好用。比如预测结果落在 180 万到 210 万之间，你可以顺势说一句“模型认为这房源 9 成概率落在这个区间，再结合挂牌数据可以做议价参考”，顿时把课程设计的层次拉高到分析工具级别。
第三个是答辩演示的细节。提前从数据集里挑 2 到 3 套典型房源，把参数抄在纸条上，现场输入现场预测；再把房价分布图和真实对预测散点图各生成一张清晰版本，放进答辩 PPT 备用。现场如果图表刷新慢，PPT 里的截图就是后悔药。
我最早做这个项目时，给模型加预测区间、保存特征列名这些事情都没做，答辩现场演示时模型把一套西向顶层老房子的估价拉高到市场价两倍，当场翻车。后来我在每个交付的项目里固定保留两个习惯：训练完必须打印一份特征列清单并和 GUI 代码核对，预测按钮的槽函数里永远不写文件读取。这两个习惯让我后面再没出过同类问题，希望帮到你。
本文还有配套的精品资源，点击获取
