多模型融合实战：二手车价格预测系统完整链路

简介：基于机器学习和多模型融合的二手车交易市场大数据挖掘项目，包含完整源码与项目说明，面向计算机、人工智能、大数据等相关专业学生，适用于课程设计、期末大作业或毕业设计场景。项目围绕交易价格预测和成交周期挖掘两大任务，集成了XGBR、BR、GBR、RFR、GBDT等多种回归模型，并提供数据缺失值预测脚本与Jupyter Notebook分析流程，附有模型训练完成后的pkl权重文件，可直接运行调试并观察各模型效果对比。

压缩包共24个文件，主要包含Python源码、Notebook、模型权重pkl、图片图表png、项目配置xml及说明文档md/txt等，整体大小约16.88MB，结构按问题一、问题二模块划分，便于按步骤复现。目前已有98人浏览学习，适合有一定Python和机器学习基础、希望参考完整数据挖掘项目框架的读者。

1. 机器学习在多模型融合框架下，这个二手车大数据挖掘项目到底在解决什么

机器学习在多模型融合的框架下，二手车交易市场大数据挖掘最典型的落地场景，是把一辆车的车龄、里程、车况描述、交易记录变成可解释的价格区间。标题里那套源码和项目说明，拆开就三件事：数据清洗与特征工程、单模型基线、多模型融合。它解决的问题很实际——二手车定价长期靠评估师经验拍脑袋，同一台车在不同平台报价能差出两万，平台收车、贷款评估、保险定损都缺一个可复现的估值依据。这个项目适合手里有一份二手车交易数据、想做成价格预测系统的算法工程师或数据团队。它不是论文型 demo，而是一条能跑出结果、能上线验证的完整链路。

2. 把二手车交易数据变成模型能吃的样本：特征工程才是这场挖掘的重头戏

很多做机器学习的人以为多模型融合项目里最难的是调参，真把二手车交易数据铺开看就会发现，特征工程决定了模型上限，融合只是在逼近这个上限。二手车评估师看一辆车，脑子里转的是保值率曲线、事故折价、里程衰减这些维度，这些维度必须被精确地转成数值，模型才有东西可学。这一章先解决数据侧的问题。

2.1 二手车数据到底长什么样：字段、脏数据和目标列

常见的一份二手车交易明细数据，核心字段不会太多，但每一列都有坑。我一般先按这个清单核对：

两种价格目标不能混用：挂牌价是车商想卖的价，成交价是买家实际掏的钱，差价的分布很不规则。如果项目说明里没写清楚目标列来源，默认按成交价处理，并在代码里保留切换开关。

脏数据比字段缺失更麻烦。表显里程是重灾区，二手车市场里调表是公开的秘密，一辆实际跑了 15 万公里的车，表上可能只显示 8 万。处理思路不是直接删掉刷里程的车，而是用「年均里程」这个衍生特征做交叉验证。正常家用车年均里程在 1.5 到 2.5 万公里，如果一辆 5 年车龄的车表显只有 2 万公里，同时保养记录里显示每半年进店一次，这种车大概率是调表车，把它单独打上标记特征比直接删除更有价值。

2.2 清洗规则与特征构建：从原始字段到训练特征

数据清洗阶段的代码不需要多花哨，但规则要写得足够细。我通常把这些逻辑写成一个可复用的feature_pipeline.py，每一条清洗规则都带注释，方便后来的人知道为什么这样处理。

import pandas as pd import numpy as np from datetime import datetime # 读取原始数据，注意指定 dtype，避免 ID 列被读成数值导致精度丢失 df = pd.read_csv('car_transactions.csv', dtype={'car_id': str}) # 1. 价格异常过滤： # 成交价低于 0.5 万或高于 200 万的数据，多数是录入错误或特殊车辆，直接剔除 df = df[(df['price'] >= 0.5) & (df['price'] <= 200)] # 2. 上牌日期解析，统一成日期类型后计算车龄 # 车龄是二手车定价最敏感的特征，宁可保留模糊值也不要丢行 df['reg_date'] = pd.to_datetime(df['reg_date'], errors='coerce') df['age_days'] = (datetime.now() - df['reg_date']).dt.days df['age_years'] = np.round(df['age_days'] / 365.0, 2) # 3. 年均里程： # 用里程除以车龄，可以识别调表车和营运车。年均里程超过 6 万公里的 # 大概率是网约车或营运车退役，这类车折价非常狠 df['mileage_per_year'] = df['mileage'] / (df['age_years'] + 0.5) # 4. 过户次数压缩： # 过户 0 次和 1 次的车价格差异明显，但 4 次和 6 次差异不大，做分箱处理 df['transfer_bucket'] = pd.cut( df['transfer_count'], bins=[-1, 0, 1, 3, 10], labels=['0', '1', '2_3', '3_plus'] ) # 5. 缺失值处理： # 排量缺失的用同车系的众数填充，排放标准缺失的按上牌年份映射 df['displacement'] = df.groupby('series')['displacement'].transform( lambda x: x.fillna(x.mode()[0]) ) # 6. 关键特征加工：品牌保值率近似值 # 用「当前车龄均价比上新车指导价」做品牌保值率的粗略代理 df['brand_retention'] = df.groupby('brand')['price'].transform('mean') / df['guide_price']

清洗逻辑的要点在于：过滤要克制，加工要大胆。很多人一上来就把带缺失值的行全删掉，二手车数据里缺失本身可能就代表某种车况问题——比如事故记录为空，可能是真没事故，也可能是卖家没提供，这两者的价格含义完全不同。我倾向于为缺失值本身建一个 bool 特征，比如has_accident_record，而不是直接让模型把缺失当作普通值处理。

brand_retention这个特征很值得解释一下：它算的是「这个品牌在当前市场的平均成交价」和「新车指导价」的比值。丰田、本田这类品牌的保值率明显高于某些冷门品牌，这个比值直接把品牌溢价量化成了一个连续变量，比单纯塞一个 brand 的类别特征更稳健，因为类别特征在训练集里没出现的品牌会直接失效，而保值率特征是数值连续型的。

2.3 类别字段编码：车系、变速箱、排放标准的处理策略

二手车数据里的类别字段有一个共同麻烦：类别数量多且分布长尾。一个品牌下面有几十个车系，大部分车系只出现过几次，如果直接用独热编码，特征矩阵会变得极其稀疏，还会把模型的自由度撑爆。

对于车系这种高基数类别特征，常见做法是目标编码——用同车系的平均价格（或者平均价格减去整体平均价格）作为编码值。但目标编码有个臭名昭著的坑：容易泄漏，即模型用到了包含目标信息的特征，验证集上表现虚高。解决方式是用交叉验证内的统计数据做编码，而不是在全量数据上算均值。

from sklearn.model_selection import KFold import category_encoders as ce # 目标编码必须在训练集内部做，否则会将价格信息泄漏给模型 # 这里用 5 折交叉验证，每一折只使用训练部分的均值去编码验证部分 encoder = ce.TargetEncoder(cols=['series', 'model_year']) kf = KFold(n_splits=5, shuffle=True, random_state=42) for train_idx, val_idx in kf.split(df): train_fold = df.iloc[train_idx] val_fold = df.iloc[val_idx] # fit 在训练折上，transform 同时作用于训练折和验证折 encoder.fit(train_fold[['series', 'model_year']], train_fold['price']) df.loc[train_idx, 'series_encoded'] = encoder.transform(train_fold[['series', 'model_year']]) df.loc[val_idx, 'series_encoded'] = encoder.transform(val_fold[['series', 'model_year']])

编码有个细节经常被忽略：车系和年款要分开编码，还是合并编码。我自己试下来，合并编码效果更好，因为「2018 款宝马 3 系」和「2015 款宝马 3 系」虽然车系相同，但年款不同导致价格差很多，合并编码能让每个车系-年款的组合都拿到自己的统计量，语义上更接近「这辆具体配置的车大概值多少钱」。

变速箱和排放标准这种低基数类别字段，直接用整数编码就够，不需要独热。唯一要注意的是排放标准字段——不同省份对国五、国六的接受度不同，同一辆车在一线城市和三四线城市的流通性差很多，如果数据里有交易城市字段，把排放标准和交易城市做成交叉特征，对价格预测的帮助比单独使用任何一个字段都大。

3. 单模型基线：把 XGBoost、LightGBM 和随机森林的预测能力先摸到底

多模型融合听起来高级，但融合的下限取决于单模型的质量。如果三个单模型全是同一个算法、用同一套特征，那融合只是换了种方式求平均值，提升极其有限。这一章先把三个模型各自的参数空间和训练方式讲清楚，为后面的融合铺路。

3.1 数据集切分与评价指标：二手车价格预测不用准确率

二手车价格预测是一个回归问题，评价指标选什么直接决定了调参方向。分类任务看准确率，回归任务看误差的绝对大小和相对大小。针对二手车交易场景，我更关注两个指标：

只用 MAE 有个问题：贵车的误差天然比便宜车大。一辆 50 万的车预测偏差 3 万，评估师觉得可以接受；一辆 5 万的车偏差 3 万，这车根本没法交易。所以我训练时同时看 MAE 和 MAPE，调参优先压 MAPE，因为二手车交易场景里，低价车的相对误差更影响成交。

数据切分上，不要用随机切分。二手车价格有很强的时间效应——同款车 2023 年的成交价和 2025 年可能差一大截。我用时间切分：按交易时间排序，前 80% 做训练，后 20% 做验证，这样才能测出模型对「未来价格」的泛化能力。

from sklearn.model_selection import train_test_split from sklearn.metrics import mean_absolute_error, mean_absolute_percentage_error # 按交易时间排序后切分，模拟真实上线时用历史预测未来的场景 df = df.sort_values('deal_time').reset_index(drop=True) cutoff = int(len(df) * 0.8) train_df = df.iloc[:cutoff] val_df = df.iloc[cutoff:] feature_cols = ['age_years', 'mileage_per_year', 'displacement', 'transfer_bucket', 'brand_retention', 'series_encoded'] X_train, y_train = train_df[feature_cols], train_df['price'] X_val, y_val = val_df[feature_cols], val_df['price'] # 训练后同时打印两个指标，MAE 看绝对准度，MAPE 看相对准度 def evaluate(model, X_val, y_val): pred = model.predict(X_val) mae = mean_absolute_error(y_val, pred) mape = mean_absolute_percentage_error(y_val, pred) * 100 print(f"MAE: {mae:.3f} 万元, MAPE: {mape:.2f}%") return pred

如果验证集上 MAPE 低于 8%，说明这个模型已经具备参考价值。二手车价格预测做到 MAPE 5% 以下就算业内优秀水平，因为影响价格的隐性因素太多——卖家的急切程度、买家的砍价能力、当天市场行情，这些根本不在数据里。

3.2 XGBoost 的核心参数与训练代码

XGBoost 是二手车价格预测的经典选择，它在表格数据上的表现稳定，对特征缩放不敏感，而且内置的正则化项能抑制过拟合。参数里最需要花心思调的是max_depth、learning_rate和subsample这三个。

import xgboost as xgb # 先给出保守参数，通过早停确定树的数量，再回头调深度和学习率 xgb_model = xgb.XGBRegressor( n_estimators=3000, # 先给一个足够大的树数量，靠早停截断 max_depth=6, # 深度 6 在二手车这种中等规模数据上够用 learning_rate=0.05, # 学习率偏小，配合大 n_estimators 更稳 subsample=0.8, # 每棵树随机抽 80% 样本，防过拟合 colsample_bytree=0.8, # 每棵树随机抽 80% 特征，增加多样性 reg_alpha=0.1, # L1 正则，让特征选择更保守 reg_lambda=1.0, # L2 正则，默认值即可 random_state=42, early_stopping_rounds=100 # 验证集 100 轮不提升就停 ) xgb_model.fit( X_train, y_train, eval_set=[(X_val, y_val)], verbose=False )

reg_alpha是一个经常被忽略的参数。它控制 L1 正则化强度，L1 会让一部分特征的权重变成 0，在特征数量多、且相互之间存在冗余时特别有用，能帮模型自动做特征选择。我把reg_alpha从 0 调到 0.1，MAPE 降了大概 0.3 个百分点，谈不上巨大，但白拿的收益不要白不要。

early_stopping_rounds的作用是防过拟合的同时省时间。3000 棵树的上限，实际训练可能到 800 棵就停了，因为学习率设得较低，后期提升越来越小，早停机制能避免模型在验证集上开始变差之后继续硬扛。

XGBoost 这个模型的脾气是对缺失值有内建处理，它会把缺失值自动分到增益最大的一侧，所以清洗阶段不用把缺失值抠得干干净净，留一部分让模型自己学效果更好。但这不是鼓励偷懒，像「里程」这种核心特征仍然必须填充，因为缺失值过多会让模型的缺失分支过度集中。

3.3 LightGBM 与随机森林：三个模型的差异互补性

LightGBM 和 XGBoost 同属梯度提升树家族，但实现的细节差异带来了互补的可能。LightGBM 用直方图算法，训练速度远快于 XGBoost，而且它对类别特征有原生支持，不用预先编码，在某些场景下能避免目标编码带来的信息损失。

import lightgbm as lgb # LightGBM 参数和 XGBoost 最大的差异是 num_leaves，它控制树的复杂度 # num_leaves=31 在数据量不大时更稳，调大能提精度但容易过拟合 lgb_model = lgb.LGBMRegressor( n_estimators=3000, num_leaves=31, # 经验值：数据量 < 10 万时不超过 63 max_depth=-1, # -1 表示不限制，由 num_leaves 决定复杂度 learning_rate=0.05, subsample=0.8, colsample_bytree=0.8, reg_alpha=0.1, reg_lambda=1.0, random_state=42, verbose=-1 ) lgb_model.fit( X_train, y_train, eval_set=[(X_val, y_val)], eval_metric='mae', callbacks=[lgb.early_stopping(100)] ) import random from sklearn.ensemble import RandomForestRegressor # 随机森林和梯度提升树的区别在于：随机森林是并行拟合多棵树，平均结果 # 梯度提升树是串行拟合残差。随机森林对噪声更鲁棒，但精度上限通常低一些 rf_model = RandomForestRegressor( n_estimators=600, max_depth=18, # 随机森林的深度可以给大一点，靠行采样防过拟合 min_samples_leaf=3, # 叶节点最少 3 个样本，控制局部过拟合 max_features='sqrt', # 每棵树只用三分之一左右的特征，提升多样性 random_state=42, n_jobs=-1 ) rf_model.fit(X_train, y_train)

随机森林在二手车这种场景里有点像「保险角色」：单看精度它通常干不过 XGBoost 和 LightGBM，但它的预测分布更稳定，不会因为个别特征取值极端而剧烈跳动。融合时它的价值恰恰在这里——当 XGBoost 和 LightGBM 同时认为一辆车很便宜时，随机森林的保守估计能起到刹车作用。

三个模型在特征偏好上也有差异：随机森林对目标编码后的车系特征不敏感，因为它每次只随机选一部分特征，单个特征的权重被摊薄了；LightGBM 对缺失值的处理方式与 XGBoost 不同，它会把缺失值全部放到一个专门的 bin 里，所以如果数据里缺失占比高，LightGBM 和 XGBoost 的预测差异会被放大。这种差异不是坏事，恰恰是后面融合时要利用的多样性来源。

4. 多模型融合：Stacking 与加权平均的完整实现

单模型跑通后，融合就是水到渠成的一步。这里要强调一个原则：融合不是把三个模型的预测值简单加起来除以三，那样做的提升极其有限。真正有效的是 Stacking 或者带权重的融合，而权重本身需要通过验证集来搜索。

4.1 为什么多模型融合有效：偏差与方差的互补

先讲清楚一个理论点：单模型训练完成后，误差由偏差、方差和噪声三部分组成。XGBoost 和 LightGBM 都属于低偏差高方差的模型，它们能拟合复杂的非线性关系，但对训练数据的噪声敏感，数据一波动预测就跟着跳。随机森林则不同，它通过平均大量并行树降低了方差，但偏差相对高一些，在复杂模式上学得不够精细。

多模型融合的价值不是抹平误差，而是让不同模型的误差相互抵消。假设三个模型在大部分样本上预测都差不多，但在某些特定样本上各有各的偏见：XGBoost 对高里程车低估，LightGBM 对豪华品牌车低估，随机森林对低价车高估。如果取平均，这些偏见会部分抵消。当然，如果三个模型的误差完全正相关，融合就是白费功夫，这也是为什么上一章强调要选算法差异大的模型。

4.2 用交叉验证生成 OOF 预测，防止融合时的数据泄漏

Stacking 融合最容易翻车的操作是在训练集上做融合。如果直接用训练好的模型去预测训练集本身，然后拿这些预测当特征去训练第二层模型，模型会严重过拟合——因为它在训练集上的预测肯定比在新数据上更准，第二层模型学到的权重是虚高的。正确做法是 OOF（Out-of-Fold）预测：每个样本的预测值，都是由没看到过这个样本的那棵树产出的。

import numpy as np from sklearn.model_selection import KFold # OOF 预测：每个样本的融合特征，必须来自没见过它的模型 # 这里用 5 折交叉验证，每一折都保存验证部分的预测结果 def get_oof_predictions(model, X, y, n_splits=5): kf = KFold(n_splits=n_splits, shuffle=True, random_state=42) oof = np.zeros(len(X)) for train_idx, val_idx in kf.split(X): model_clone = clone_model(model) # 每个折都重新训练一次 model_clone.fit(X.iloc[train_idx], y.iloc[train_idx]) oof[val_idx] = model_clone.predict(X.iloc[val_idx]) return oof # 为每个模型生成 OOF 预测，作为第二层模型的输入特征 xgb_oof = get_oof_predictions(xgb_model, X_train, y_train) lgb_oof = get_oof_predictions(lgb_model, X_train, y_train) rf_oof = get_oof_predictions(rf_model, X_train, y_train) # 堆叠成特征矩阵，形状是 (样本数, 3) stack_features = np.column_stack([xgb_oof, lgb_oof, rf_oof])

get_oof_predictions里每个折都重新训练模型，计算成本高，但这是必须付出的代价。训练完成后，还需要对验证集做同样的预测，注意这里要使用每个折训练出的模型对验证集预测再取平均，而不是重新训练一个模型。

4.3 权重怎么定：网格搜索加权系数

Stacking 之外还有一种更轻量的融合方式——带权重的线性平均。权重可以用验证集上的网格搜索来确定，方法简单直接：在 0 到 1 的范围内以 0.05 为步长搜索三个模型的权重组合，找到验证集 MAE 最低的那组权重。

from itertools import product # 网格搜索融合权重：步长 0.05，限制权重和为 1 best_weight = None best_mae = float('inf') # 先用三个模型对验证集做预测 xgb_val_pred = xgb_model.predict(X_val) lgb_val_pred = lgb_model.predict(X_val) rf_val_pred = rf_model.predict(X_val) # 遍历权重组合，找到验证集 MAE 最低的权重 for w1, w2, w3 in product(np.arange(0, 1.05, 0.05), repeat=3): if abs(w1 + w2 + w3 - 1.0) > 0.001: continue pred = w1 * xgb_val_pred + w2 * lgb_val_pred + w3 * rf_val_pred mae = mean_absolute_error(y_val, pred) if mae < best_mae: best_mae = mae best_weight = (w1, w2, w3) print(f"Best weight: xgb={best_weight[0]:.2f}, lgb={best_weight[1]:.2f}, rf={best_weight[2]:.2f}") print(f"Fusion MAE: {best_mae:.3f} 万元")

这里有一个经验值：如果网格搜索出来的权重几乎全压在 XGBoost 上，说明另外两个模型的验证集表现太差，这时候不要强行融合，先回头优化单模型。我见过不少队伍在融合阶段硬凑三个模型，最后融合结果和最好的单模型几乎一样，白费了交叉验证的算力。

Stacking 和加权平均的选择上，我的经验是：数据量超过 5 万条、特征维度超过 50，用 Stacking 收益更高；数据量小、特征少，加权平均更稳，因为第二层模型在小样本上容易过拟合。二手车交易项目通常数据量不小，两套方案都可以跑通，先做加权平均找到手感，再上 Stacking 提上限。

5. 避坑与排查：多模型融合项目最容易翻车的 5 个地方

这个标题拆开带来的坑，很大一部分来自「多模型融合」这四个字。以下 5 个问题是我实际跑这类项目时反复遇到的，每一条按现象、原因、解决的顺序写清楚。

5.1 现象：验证集 MAE 很漂亮，上线后预测偏差突然变大

原因绝大多数是时间泄漏。特征是静态的，但价格是动态的——二手车价格随新车降价、购置税政策、新能源冲击不断波动。训练集里 2023 年的价格规律，到 2025 年可能已经失效。如果只用随机切分，模型会从未来时间段里学到本不该看到的信息。

解决：改成时间切分，并且关注模型对最近时间段的预测误差。上线后要建立价格指数修正机制——定期统计预测偏差的均值，如果整体偏差系统性偏大（比如所有预测都比实际高 5%），可能是市场价格整体下滑，需要在模型外做一个动态校准系数。

5.2 现象：Stacking 之后分数反而比单模型差

这是最常见的融合翻车现场。原因基本出在第二层模型的输入上——把模型的训练集预测直接当特征喂给了第二层，导致第二层过分相信第一层在训练集上的表现，实际泛化时掉链子。

解决：严格使用 OOF 预测作为第二层输入，并检查 OOF 预测和单模型验证集预测的分布是否接近。如果 OOF 的 MAE 明显低于验证集 MAE，说明 OOF 流程里还是混入了泄漏，要检查 KFold 的 shuffle 和跨折数据是否被重复使用。

5.3 现象：三个模型单看都正常，融合权重却几乎全压在一个模型上

原因不是权重搜索有误，而是三个模型之间的预测相关性太高。XGBoost 和 LightGBM 都是基于直方图的梯度提升树，如果参数和特征完全一致，它们的预测结果会高度一致，加权平均自然找不到更好的组合。

解决：从数据多样性入手，给不同模型喂不同的特征子集。比如 LightGBM 加入更多文本挖掘特征，随机森林保留原始类别编码，让每个模型的「盲区」不一样，融合才有意义。也可以用去相关方法检查：计算三个模型预测值的相关系数矩阵，如果两两相关系数超过 0.95，融合提升会非常有限。

5.4 现象：特征里混入了未来信息，价格异常飙升

二手车数据里最容易混入的未来信息是事故记录时间。如果事故记录是成交之后才登记的，用它去预测成交价就是作弊。另一个常被忽略的是guide_price——新车指导价每年都会调整，如果用了报废时的指导价而不是车辆出厂年份的指导价，等于把未来信息塞给了模型。

解决：给所有时间类特征加校验，确保特征值的生成时间早于成交时间。事故记录只保留「成交前是否有事故」的布尔标记，不要用事故金额和事故时间。指导价字段要按车辆出厂年份对应的版本去匹配，而不是取最新值。

5.5 现象：MAPE 很低，但评估师觉得预测结果不靠谱

MAPE 低可能是因为低价车占比高，模型把低价车的误差压得很好，拉低了整体比例，但中高价车的绝对误差反而很大。评估师看一辆 30 万的车，模型给出 26 万，差了 4 万，这对交易决策来说是不能接受的。

解决：分层评估模型性能，按价格区间（0-5 万、5-15 万、15-30 万、30 万以上）分别计算 MAE 和 MAPE。如果中高价区间误差明显偏高，考虑为高价车单独训练一个模型，或者加大对应区间的样本权重。我一般会在报告里附上分层误差表，这比一个总的 MAPE 更能说明模型真实水平。

6. 验证与交付：让这套挖掘方案从能跑到能信

项目跑通不代表能交付，交付的核心是让别人愿意信任这个模型的输出。我的验证习惯是三步走。

第一步是残差分析。把验证集上每一辆车的预测值与真实值做差，按差值大小排序，人工抽查差值最大的前 20 辆车。这样做不是为了调参，而是为了发现模型没学到的业务规则——比如某类改装车、某类特殊配置，数据里可能只有几十条样本，模型根本没法学全。如果发现这类盲区，就在特征工程里显式加入对应标记，而不是指望模型从稀疏数据里自己挖掘。

第二步是特征重要性与 SHAP 解释。用 SHAP 值看每个特征对单辆车预测的贡献方向，这能解决黑匣子信任问题。评估师问「为什么这辆车估 12 万」时，你能拿出具体解释：车龄贡献 -1.2 万，里程贡献 -0.8 万，过户次数贡献 -0.3 万，品牌保值率贡献 +0.5 万。这种透明度和模型精度同样重要，尤其是交易场景里买卖双方都想要个说法。

import shap # 用 SHAP 解释单辆车的预测，让模型输出可解释的估价依据 explainer = shap.TreeExplainer(xgb_model) # 随机抽一辆验证集的车做解释 shap_values = explainer.shap_values(X_val.iloc[[0]], check_additivity=False) shap.summary_plot(shap_values, X_val.iloc[[0]], feature_names=feature_cols)

最后一步是基准对照。跑一套不做的特征工程的基线模型，再跑完整方案，把 MAE、MAPE、分层误差三项指标的提升列成对比表。这一步做完，方案的价值就清楚了：特征工程贡献多少、多模型融合贡献多少、上线后的稳定性如何，都能说得出口。

我自己的教训是：早期做二手车轮上项目时，只在模型调参上较劲，忽略了时间切分和分层评估，导致上线后一个季度的价格波动就把模型打回原形。后来所有项目固定用「时间切分 + 分层评估 + 残差人工抽检」三件套，翻车概率低了很多。这个方向越往后做越会觉得，二手车大数据挖掘真正值钱的部分不在算法，而在对交易场景的理解和对数据坑的判断，模型融合反倒是最后一块拼图。希望这些经验能帮你的项目少走一段弯路。

本文还有配套的精品资源，点击获取