这是一个用于预测苏州六区（姑苏、吴中、相城、高新、工业园区、吴江）房价的机器学习工具。系统基于历史成交数据训练模型，支持按小区预测未来房价走势。

项目地址：GitHub: wenyuhaokikika/suzhou-housing-prices

预测原理

系统使用历史成交价数据，通过机器学习模型预测房价。主要流程如下：

1. 数据准备：收集苏州六区的历史成交价数据
2. 特征工程：提取时间、区域、面积等特征
3. 模型选择：对比 Ridge、RandomForest、GradientBoosting 三种模型
4. 模型验证：时间感知的 70/15/15 训练/验证/测试集划分 + TimeSeriesSplit 5 折交叉验证
5. 预测输出：按小区输出预测价格

模型选择与评估

经过对比实验，最终选用 Ridge 回归 作为预测模型。在测试集上的表现：

• RMSE：约 264 元/平方米
• MAE：约 213 元/平方米
• R²：约 0.9985
• MAPE：约 1.18%

Ridge 模型在保持高精度的同时，具有较好的泛化能力和可解释性。

技术栈

• FastAPI：高性能的 Python Web 框架，自带 OpenAPI 文档
• scikit-learn：机器学习模型训练与预测
• SQLite：存储历史数据和预测结果
• 简洁前端：原生 HTML/CSS/JS，无框架依赖

本地运行

# 克隆仓库
git clone https://github.com/wenyuhaokikika/suzhou-housing-prices.git
cd suzhou-housing-prices

# 安装依赖
pip install -r requirements.txt

# 启动服务
uvicorn main:app --reload

# 访问
# 预测页面：http://127.0.0.1:8000/predict
# API 文档：http://127.0.0.1:8000/docs

预测 API

获取模型评估指标：

GET /api/predict/metrics

按小区预测房价：

GET /api/predict/{community_id}

触发模型训练：

POST /api/predict/train

数据说明

仓库内包含的是 Demo 数据，用于演示系统功能。Demo 数据基于公开信息模拟生成，不代表真实成交记录。如需真实数据，请自行获取并导入。

声明

本工具仅供学习和研究使用。预测结果基于历史数据和统计模型，不构成任何投资建议。房价受多种因素影响，实际走势可能与预测存在偏差。

欢迎参与

如果你对房价预测或机器学习感兴趣，欢迎：

• ⭐ Star 这个项目
• 提交 Issue 反馈问题或需求
• 发起 Pull Request 贡献代码