房产领域的机器学习蔡白银蔡白银链家网大数据架构师百度NVIDIA北京大学个人简介机器学习在房产领域的必要性和可行性机器学习在房产领域的实践提纲机器学习在房产领域的必要性机器学习在房产领域的必要性机器学习在房产领域的必要性机器学习在房产领域的可行性23/55维33/81维27/72维经纪人91/150维业主/房54/319维客户32/107维7000万房源数据库已管理的房屋数量10000店旗下门店150000人旗下经纪人机器学习在房产领域的必要性和可行性机器学习在房产领域的实践提纲机器学习的实践思路链家网的机器学习框架具体
案例
全员育人导师制案例信息技术应用案例心得信息技术教学案例综合实践活动案例我余额宝案例
机器学习在房产领域的实践链家网的机器学习框架机器学习的实践思路具体案例机器学习在房产领域的实践链家网机器学习的整体框架链家网的机器学习框架机器学习的实践思路具体案例机器学习在房产领域的实践机器学习的实践思路机器学习的实践思路链家网的机器学习框架具体案例机器学习在房产领域的实践链家网机器学习的整体框架北极星---策略结果评估平台工作有目标目标可量化、可拆解优化有方向,可持续收益可评估实验科学化用户画像---目的用户画像---
工程
路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理
框架用户画像用户画像---UserMapping用户画像---UserMapping用户画像---UserMapping用户画像---用户标签时间衰减房源推荐----是否必要?房源推荐----有必要!页面点击百分比房源推荐---怎么做?房源推荐---效果房源推荐---效果房屋估价---目的房屋估价---怎么做房屋估价---怎么做北京整体一个模型每个小区一个模型商圈模型+垂直模型房屋估价---评估成交价:100万估价:102万+2万误差+2%成交价:500万估价:525万+25万误差+5%成交价:300万估价:288万-12万误差-4%成交价:80万估价:88万+8万误差:+10%准确率=3/4=75%平均误差=(2+5+4+10)/4=5.2%房屋估价---评估80%4.3%房屋估价使用次数时间假房源识别---目的100%真房源假房源识别---怎么做假房源识别---评估准确率:77%召回率:72%,提升了15倍可减少27个人每周的全部人力回访工作Thanks