企业官网建设流程全解析

简介：一套面向Python课程设计与期末大作业的二手房价格分析预测系统，基于Python与PyQt5开发，包含图形界面、数据读取、价格分析和可视化图表等完整功能模块，适合计算机相关专业学生用于实战练习、课程设计或毕业设计参考。项目为经导师认可的高分课程设计，评审得分为98分；源码经过本地编译调试，可直接运行并配有详细注释；整体采用主程序、界面逻辑、数据分析、图表绘制和测试入口的模块化组织方式，便于按需阅读和二次修改。压缩包共17个文件，包含6个Python源文件、1个Qt界面UI文件、1个CSV房价数据集、6张界面配图、2个Python缓存文件以及说明文档，整体141KB，结构简洁清晰。已有62人浏览学习该项目。对于需要快速搭建同类系统、理解PyQt5界面与数据图表联动实现的同学，这套源码提供了从数据处理到结果展示的完整示例，亦可用于课程设计报告撰写和答辩演示。

1. 从课程设计里最常被点名的方向说起

Python和PyQt5的二手房价格分析预测系统源码+数据集，是课程设计里出现频率相当高的一套组合：Python 负责数据处理和价格建模，PyQt5 负责把分析结果变成一个看得见、点得动的桌面界面，中间再用一份真实的二手房交易数据把整条链路串起来。它要解决的问题很具体——从几万条房源记录里清洗出有效字段、训练出能预测单套房源价格区间的模型，最后让用户打开一个 exe 就能手动输入面积、户型、朝向就得到预测价格和可视化对比。这个方向适合正在准备课程设计或毕业设计的学生，也适合想从“跑通 notebook”进化到“做出一个完整应用”的 Python 开发者。选这条路有一个现实的理由：技术栈成熟、资料密度高、结果又足够直观，评审老师能一眼看到工作量。

2. 数据准备：二手房数据集的字段与清洗，决定模型上限

2.1 先搞清楚数据集里有什么：常见字段与数据字典

拿到一份二手房的 CSV 数据集，第一件事不是写代码而是做数据体检。用 pandas 加载后先看 shape 和 dtypes，确认行列规模，再逐列检查缺失比例和取值范围。常见做法是先用df.info()和df.head(10)做一次快速扫描，然后把字段分成数值型、类别型、文本型三类，分别制定清洗策略。

一份可用的二手房数据集通常包含这些字段：小区名称、所在区域、总价（万元）、单价（元/平米）、建筑面积、户型（室厅卫）、朝向、所在楼层、总楼层、装修情况、建筑年代、是否有电梯等。需要注意，很多课程设计数据集里“总价”和“单价”两个字段往往有一个是冗余的——单价 = 总价 / 面积，拿到手后要先验证这个关系，如果大面积对不上，说明数据里混入了异常记录。

import pandas as pd df = pd.read_csv("house_data.csv", encoding="utf-8") print("样本量:", df.shape) print("字段列表:", df.columns.tolist())

加载这一步最常见的坑是编码问题，CSV 文件可能是 utf-8 也可能是 gbk，如果直接read_csv报 UnicodeDecodeError，可以改为encoding="gbk"或encoding="gb18030"再试。这个细节后面避坑章节会单独展开。数据加载完成后，建议立即输出每列的缺失值统计和唯一值数量，这能帮你判断哪些列适合做类别编码、哪些列需要直接删除。

继续按字段类型拆分处理：数值型字段关注范围是否合理，比如总价是否出现 0 元或几千元这种明显离谱的值；类别型字段关注取值是否统一，比如“南北”和“南 北”可能算作两个不同的类别，需要人工统一；文本型字段通常是户型或地址描述，需要后续抽取特征。

2.2 清洗流程一：缺失值、重复记录与异常价格

数据清洗是决定模型效果最直接的一步。很多拿到的数据集里，总价和单价会出现缺失或明显错误，比如总价为 0、单价低于 1000 元/平、面积小于 5 平米的记录，这些不是真实房源而是数据录入错误。处理原则是：凡是关键字段（面积、总价、区域）有缺失的记录，直接删除比填充更稳妥；非关键字段如装修情况缺失，可以用众数填充。

另外一个容易被忽略的操作是去重。相同小区的相同户型、相同面积、相同总价的记录可能重复出现，如果不去重，训练集里相似的样本会被反复加权，可能导致模型对这部分热点小区过度拟合。

# 删除核心字段缺失的记录 df = df.dropna(subset=["总价", "面积", "区域"]) # 过滤明显异常值 df = df[(df["总价"] > 5) & (df["总价"] < 5000)] df = df[(df["面积"] > 10) & (df["面积"] < 500)] # 完全重复的记录去除 df = df.drop_duplicates() # 面积和总价的倍数关系校验（单价 = 总价*10000 / 面积） df["计算单价"] = df["总价"] * 10000 / df["面积"] df = df[(df["计算单价"] > 2000) & (df["计算单价"] < 150000)] df = df.drop(columns=["计算单价"])

这段代码的逻辑是分四步收紧数据范围。前两行删除核心字段缺失的记录，因为如果总价、面积、区域任何一个缺失，这条数据对模型来说都没有足够的监督信息；第 4-5 行过滤异常价格和面积，阈值不是拍脑袋定的，需要结合目标城市的真实房价来调整，如果数据显示北京上海房源，总价上限 5000 万就不是下限而是上限了；后面两行用单价倒推校验，能识别出总价和面积匹配不上的错误记录。

参数说明：阈值过滤可以先用df.describe()看四分位数，把超过 99% 分位数的值视为离群点。不要用 3σ 法则，房价数据本身是长尾分布，用均值加减三倍标准差会把大量真实高价房源误删。

2.3 清洗流程二：特征工程，从文本里抠出能建模的信息

原始数据里的户型、朝向、楼层需要用规则提取成结构化特征。户型字段常见格式是“3室2厅1卫”，用正则表达式提取室、厅、卫的数量，作为三个数值列。楼层字段有“低楼层/中楼层/高楼层”和数字楼层两种存法，如果是“共18层”这种描述，需要把所在楼层和总楼层拆开。建筑年代可以转换成房龄，房龄比年代本身更适合作为模型输入，因为房龄对价格的影响是单调的。

朝向字段也要做编码处理。常见取值有“南北通透”“朝南”“朝东”“朝北”，建议先统计唯一值数量，然后做 One-Hot 编码或自定义映射，比如把南北和朝南合并成一个“南向”特征，这样既减少维度又保留主要信息。

import re def parse_house_type(s): """从'3室2厅1卫'中提取室、厅、卫数量""" if pd.isna(s): return None, None, None text = str(s) bedroom = re.search(r"(\d+)室", text) living = re.search(r"(\d+)厅", text) bathroom = re.search(r"(\d+)卫", text) return (int(bedroom.group(1)) if bedroom else None, int(living.group(1)) if living else None, int(bathroom.group(1)) if bathroom else None) df["室"], df["厅"], df["卫"] = zip(*df["户型"].map(parse_house_type)) df.loc[df["室"].isna(), "室"] = df["室"].median() df.loc[df["厅"].isna(), "厅"] = df["厅"].median() df.loc[df["卫"].isna(), "卫"] = df["卫"].median()

这里用了zip(*...)将 parse 函数的三个返回值拆成三列，是一种符号上的紧凑写法，逻辑说明一下：map(parse_house_type)得到的是由元组组成的 Series，每个元组长3个元素，zip(*)将这三个位置的元素分别聚合为三个独立的 Series，再赋值给三个新列。正则部分(\d+)匹配连续数字，后面跟单位标识，匹配不到就返回 None，缺失值用中位数填充。

区域字段的处理值得多花点心思。如果数据集有“行政区”和“商圈”两个字段，行政区可以直接作为类别特征，商圈如果取值过多就不建议直接编码。一个工程上更稳的做法是把区域和均价合并成一个特征——先算出每个商圈的平均单价，再把当前商圈的平均单价作为该样本的一个数值特征，这相当于用“片区热度”替代了稀疏的类别编码。

3. 模型训练与参数选择：让价格预测从“玄学”变可复现

3.1 选型对比：线性回归、随机森林与梯度提升的取舍

房价预测本质是一个回归问题，可选模型很多，但课程设计场景要兼顾准确率、训练速度和代码可解释性。线性回归最直观，系数直接反映每个特征对价格的影响方向和大小，评委提问时最好讲——但它的表达力有限，面对面积和价格之间的非线性关系，线性模型往往欠拟合。随机森林不需要特征缩放、对异常值有天然鲁棒性，是默认选择；但它对训练集的噪声拟合能力太强，容易把不重要的特征也用进去。梯度提升类模型（如 XGBoost、LightGBM）在结构化数据上效果普遍最好，但参数多、调参成本高，课程设计的答辩时间不够解释清楚。

一句话建议：用随机森林托底，保证有一个稳定的、不需要花太多时间调参的基座；如果时间充裕，再用 LightGBM 做对比实验，把两组 R² 和 RMSE 同时列进报告——这里还有一点不同：预测一个二手房价的 RMSE 能到多少钱，是评审最关心的问题。

3.2 训练流程：数据集划分、建模与交叉验证

训练前的准备步骤按固定顺序执行。第一步做特征选择，删掉唯一值过多或缺失率超过 50% 的列；第二步做类别编码，用pd.get_dummies()或用 OrdinalEncoder；第三步做训练集和测试集划分，注意必须用train_test_split的random_state参数固定随机种子，这样每次跑出来的结果可复现，避免被质疑结果不稳定。

from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score import numpy as np features = ["面积", "室", "厅", "卫", "房龄", "片区均价"] + [c for c in df.columns if "朝向_" in c] X = df[features].copy() y = df["总价"].values # 随机森立的类别特征编码直接做 get_dummies X = pd.get_dummies(X, drop_first=True) X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42 ) model = RandomForestRegressor( n_estimators=300, max_depth=14, min_samples_leaf=3, n_jobs=-1, random_state=42 ) model.fit(X_train, y_train) y_pred = model.predict(X_test) print("MAE:", mean_absolute_error(y_test, y_pred)) print("RMSE:", np.sqrt(mean_squared_error(y_test, y_pred))) print("R2:", r2_score(y_test, y_pred))

这是整个系统的主体训练脚本。参数说明必须落在实际效果上：n_estimators=300表示森林里有 300 棵决策树，大于 300 时误差下降非常缓慢但耗时线性增长；max_depth=14限制每棵树的最大深度，防止单棵决策树记忆过深——如果不限制，基本会过拟合到训练集的边缘噪声上；min_samples_leaf=3是叶子节点的最小样本数，它和max_depth配合控制模型的复杂度，值越小模型越细致但越容易过拟合；n_jobs=-1用满所有 CPU 核心，这在课程设计演示的笔记本上能明显缩短训练时间。

用drop_first=True做 One-Hot 编码会去掉第一列，减少共线性，随机森林对共线性不敏感，但对线性回归有影响，所以这里可以保留 True。

3.3 模型评估与参数微调：看哪个指标，调哪些参数

评估指标不要只用 R²。R² 对离群点敏感，一个市中心的老破小或一个远郊别墅就能把整体指标拉低。MAE 更贴近实际场景——平均预测误差是 20 万还是 30 万，直接决定了用户的体感准不准。报告里建议把 MAE、RMSE 和 R² 都列出来，并解释 RMSE 比 MAE 大多少倍，这个倍数说明离群点的预测偏差有多大。

如果初轮结果不满意，优先调三个参数：n_estimators、max_depth、min_samples_leaf。用GridSearchCV或RandomizedSearchCV都可以，但课程设计不建议用全网格搜索，参数组合太多的话等待时间会非常长——通常用 RandomizedSearchCV 的n_iter=30先跑一遍，锁定大致范围后手动微调。

from sklearn.model_selection import RandomizedSearchCV param_dist = { "n_estimators": [200, 300, 500], "max_depth": [8, 12, 16, 20], "min_samples_leaf": [1, 3, 5], } search = RandomizedSearchCV( RandomForestRegressor(n_jobs=-1, random_state=42), param_distributions=param_dist, n_iter=20, cv=5, scoring="neg_mean_absolute_error", random_state=42 ) search.fit(X_train, y_train) print("best params:", search.best_params_) print("best score:", -search.best_score_)

注意这里的评分策略：默认scoring=None时 RandomizedSearchCV 用 R² 作为内部评分，但 R² 不是用户体感指标。显式指定neg_mean_absolute_error，让内部搜索朝着“平均预测误差最小”的方向优化，这个细节讲给评审听是加分项。交叉验证cv=5表示把训练集切成 5 份，每份轮流做验证集，最终分数是 5 次结果的平均，这比单次划分的结果稳定得多。

4. PyQt5 界面搭建：把模型封装成能点击的桌面应用

4.1 界面布局与 Qt Designer 的配合使用

PyQt5 界面开发有两条路线：纯代码写布局，或用 Qt Designer 画好 .ui 再转换为 .py。课程设计建议用 Qt Designer——鼠标拖拽控件比调试布局代码快得多，而且在转换后的 Python 文件上手动追加业务逻辑，结构更清晰——这正好是这个标题里“源码”的落地点：界面骨架是生成的，业务逻辑是写的，两者分开，代码才不难维护。

打开 Qt Designer 后创建 Main Window，拖入左侧面板：一个用于输入房源信息的 QGroupBox，内部放 QLineEdit 或 QComboBox 作为输入控件；右侧放一个 QLabel 用于显示预测结果；底部放两个 QPushButton——预测和导出。布局建议用 QVBoxLayout 嵌套 QHBoxLayout，保证窗口拉伸时控件能自适应。

设计好界面后保存为main_window.ui，在项目根目录执行转换命令：

pyuic5 -x main_window.ui -o main_window.py

-x参数会在生成的 Python 文件末尾附加一段if __name__ == "__main__":的预览代码，可以直接运行该文件来预览界面效果。如果打开了 Main Window 但没有设置中央控件的布局，生成的文件运行时控件不会自动拉伸，需要在 Designer 里对根节点设置垂直布局。这是 PyQt5 界面设计里最容易漏掉的一步。

4.2 预测主流程：加载模型、绑定信号槽、回填结果

生成的main_window.py里有一个Ui_MainWindow类，只包含控件的创建和布局，不包含业务逻辑。用一个自定义的MainWindow类继承它，把模型加载和预测逻辑放在MainWindow内部。常见做法是让MainWindow持有QMainWindow和Ui_MainWindow两个父类，在初始化时调用self.setupUi(self)完成界面组装。

import sys import joblib import pandas as pd from PyQt5.QtWidgets import QMainWindow, QApplication, QMessageBox from main_window import Ui_MainWindow class MainWindow(QMainWindow, Ui_MainWindow): def __init__(self): super().__init__() self.setupUi(self) self.model = joblib.load("house_price_model.pkl") self.feature_columns = joblib.load("feature_columns.pkl") self.btn_predict.clicked.connect(self.on_predict) self.btn_export.clicked.connect(self.on_export)

信号槽是 PyQt5 的核心机制：当用户点击btn_predict按钮时，Qt 发出 clicked 信号，连接到的on_predict槽函数会被自动调用。这里的self.btn_predict.clicked.connect(...)就是把按钮点击事件和业务函数绑定起来。模型和特征列名用 joblib 在训练完成后保存，加载时和模型一起读回来，避免界面代码里硬编码字段顺序——这一步几乎决定了预测结果不会因为列顺序不一致而“灵车漂移”。

预测函数接收界面输入，构建一个单行 DataFrame，必须保证列名和训练时完全一致。后端预测方法决定了它每次生成一个 DataFrame 时列顺序是可控的，但类别特征少一个列或者多一个列都会导致 predict 报错。

def on_predict(self): try: data = { "面积": float(self.edit_area.text()), "室": int(self.spin_bedroom.value()), "厅": int(self.spin_livingroom.value()), "卫": int(self.spin_bathroom.value()), "房龄": int(self.spin_age.value()), "片区均价": float(self.edit_district_price.text()), "朝向_南": 1 if self.combo_direction.currentText() == "南" else 0, "朝向_东": 1 if self.combo_direction.currentText() == "东" else 0, } input_df = pd.DataFrame([data]) # 补齐训练时的全部特征列，缺失的填0 for col in self.feature_columns: if col not in input_df.columns: input_df[col] = 0 input_df = input_df[self.feature_columns] price = self.model.predict(input_df)[0] self.label_result.setText(f"预测总价：{price:.1f} 万元") except Exception as e: QMessageBox.warning(self, "输入错误", str(e))

这段代码的精髓在于“对列”这一步。模型训练时的特征列顺序被保存在feature_columns.pkl里，预测时先构建一个可能只包含部分特征列的 DataFrame，然后用循环补齐缺失列并赋值为 0，最后用训练时的列顺序重排。这样无论用户选择了什么朝向、填了哪些字段，传给模型的 DataFrame 结构都和训练时完全一致。

常见的翻车点是：用户在 QLineEdit 里输入了中文或空字符串，float()转换直接抛 ValueError；数量 QSpinBox 设了最小值 0，用户没改就点击预测，面积填成 0，模型照样给一个离谱的预测结果。处理方式是初始化时给 QSpinBox 设置合理的范围，面积字段可以在界面上用占位提示符提醒用户输入范围。

4.3 可视化与结果导出：让预测不只是几个数字

预测价格只是界面的一部分，一个完整的课程设计还需要展示训练数据的分布、预测偏差等可视化图表。PyQt5 里集成 matplotlib 的常用做法是使用FigureCanvasQTAgg，把 matplotlib 的绘图区嵌到 Qt 界面里，而不是弹出独立窗口——这样数据可视化在同一个界面里展示，评审时的观感好很多。

from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg from matplotlib.figure import Figure import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"] plt.rcParams["axes.unicode_minus"] = False # 解决负号显示为方块 class MplCanvas(FigureCanvasQTAgg): def __init__(self, parent=None, width=5, height=4, dpi=100): self.fig = Figure(figsize=(width, height), dpi=dpi) super().__init__(self.fig) self.setParent(parent)

中文乱码是 PyQt5 集成 matplotlib 时最典型的问题。Windows 下 SimHei 通常可用，Linux 服务端如果没有安装中文字体就需要用matplotlib.font_manager手动指定字体路径。axes.unicode_minus = False这行是有实际价值的：不设置的话，坐标轴上的负号会渲染成方块，整张图看起来就有明显瑕疵。

导出功能的常见做法是把界面输入的房源信息和预测结果一起保存到 CSV 文件，用QFileDialog.getSaveFileName让用户选择保存路径。这一步相当于系统具备了“分析结果可留存”的能力，课程设计里是加分项——说明你不只做了预测，还把预测结果的结构化输出做出来了。

5. PyQt5 与模型联调时的常见问题：现象、原因、解决

5.1 打开窗口后控件挤成一团，没有自适应拉伸

现象：程序启动后界面控件重叠在一起，或者窗口拉大后控件不跟随变化。

原因：Qt Designer 里没有为主窗口设置根布局。Qt 的控件拉伸规则依赖根布局——如果你直接在 Main Window 上拖拽控件而没设置任何布局，生成的代码里缺少setCentralWidget的布局管理器，控件用的是绝对定位，窗口大小变化时位置和尺寸不会跟着调整。

解决：在 Qt Designer 里右键主窗口空白处，选择“布局”下的“垂直布局”或“水平布局”。如果某个 GroupBox 内部也需要自适应，同样在 GroupBox 内部右键设置布局。重新生成main_window.py后再运行，窗口就具备弹性拉伸能力。

5.2 QComboBox 下拉框里显示的朝向和实际传入模型的值对不上

现象：界面下拉框显示的选项是“朝南/朝东/朝北/东南”，模型预测结果却总是同一个区间，感觉下拉框没生效。

原因：写法上可能给 QComboBox 的addItem传了“南”“南”这类显示和存储值不一致的问题，或者你在on_predict里用currentText()做了字符串比对，但比对条件和下拉选项中的字符串不完全一致——比如选项是“南北”，你比对的是“南”，条件永远不满足。

解决：把下拉框选项和比对逻辑统一。要么给选项列表和判断逻辑使用同一份常量字典，要么在on_predict里用combo_direction.currentIndex()代替currentText()读者更容易一次就对。

DIRECTION_MAP = { 0: "朝南", 1: "朝东", 2: "朝北", 3: "朝西", } # 在槽函数中使用 direction_index = self.combo_direction.currentIndex() direction_text = DIRECTION_MAP[direction_index]

用字典把索引和显示文本绑定，后续逻辑直接取索引然后查询字典，这样显示内容和数据内容永远来自一处，最稳妥。

5.3 模型 predict 时报特征数量不匹配

现象：点击预测后，程序抛出ValueError: Number of features of the model must match the input。

原因：训练时特征列有 15 个，预测时你构建的 DataFrame 只有 8 个列。最常见的是用户在预测代码里手动指定了部分列，漏掉了朝向 One-Hot 编码后的多项式列，或者训练脚本里做了drop_first=True，预测脚本里没做，导致列错位。

解决：把训练时的特征列名完整保存到文件，预测时按列名补齐。这是在课程设计里最值得养成的习惯——两处代码共享同一份特征列配置，而不是各自硬编码。从项目结构看，这条链路就是“训练脚本保存特征列 → 界面代码读取特征列 → 按特征列重排”。

5.4 打包成 exe 后缺少模型文件

现象：在开发环境里运行正常，用 PyInstaller 打包后双击 exe 报文件不存在，或者模型路径错误。

原因：开发时模型路径是相对于源代码目录写的，比如joblib.load("house_price_model.pkl")；打包后 exe 文件被解包到临时目录，当前工作目录变了，相对路径找不到模型文件。

解决：用sys._MEIPASS兼容打包环境，或者更简单的方式是把模型文件放到 exe 同目录下，然后用os.path.dirname(sys.executable)获取可执行文件所在目录。

import sys, os def resource_path(relative_path): if hasattr(sys, "_MEIPASS"): base_path = sys._MEIPASS else: base_path = os.path.dirname(os.path.abspath(__file__)) return os.path.join(base_path, relative_path) model_path = resource_path("house_price_model.pkl")

hasattr(sys, "_MEIPASS")是判断是否处于 PyInstaller 打包状态的常见写法。开发时用__file__所在目录，打包后切换为 PyInstaller 的解包缓存目录。模型文件和 exe 放在一起，目录结构完全可控。

5.5 预测结果出现明显偏高的离群值

现象：大多数房源的预测价格在合理范围内，但个别输入（比如面积 200 平、房龄 30 年）的预测结果比实际市场价高出 50% 以上。这种情况一般是模型问题，变量之间存在数据稀疏或理解偏差会有这种体现。

原因：数据集里大面积老房子的样本量太少，模型在这个区域学到的模式被几个极端样本带偏了。另一种可能是房龄特征和面积特征之间存在相关关系——老小区的大户型往往单价低，但样本量不足时模型无法捕获这种规律。

解决：回到训练阶段，检查异常样本分布并过滤极端离群点，或者把总价取对数后再训练（log 变换能让长尾分布的回归目标更接近正态），预测后再用指数还原。这个技巧对梯度提升类模型同样适用，只影响目标变换，不影响特征输入。

6. 把课程设计变成可演示的系统：打包、接口化与复盘

课程设计演示环节最怕的是现场跑环境。一次完整的演示准备分三步走：第一步在开发环境里跑通全部流程并生成预测结果；第二步用 PyInstaller 打包出 exe 文件，放到一台没装 Python 的机器上测试；第三步把模型文件和 exe 放到同一目录，截图记录输出结果，保留一份使用说明——三步都走通，演示环节基本不会有意外。

用 PyInstaller 打包时，如果用到了 sklearn 和 joblib，需要留意依赖收集是否完整。常见做法是使用--collect-all sklearn参数，否则缺少模块的情况会经常出现。打包完成后，把 exe 和 pkl 文件放同一目录，在一台没有 Python 环境的机器上跑一遍，这是检验打包是否成功的唯一可靠方法。

pyinstaller -w -n 二手房价格预测系统 ^ --collect-all sklearn ^ --add-data "house_price_model.pkl;." ^ app.py

-w表示不显示控制台窗口，纯 GUI 启动；--collect-all sklearn强制收集 sklearn 的所有子模块和数据文件，解决隐式导入导致打包缺失的问题；--add-data把模型文件打进 exe 包内，配合前面 resource_path 的处理逻辑。如果系统是 mac 或 Linux，分隔符要改用冒号而不是分号，这是 PyInstaller 跨平台打包的差异点。

接口化是拿高分的进阶方向。把清洗、训练、预测封装成独立的函数或类，界面只做输入输出，不直接操作数据。这样主讲人在答辩时可以明确说：预测逻辑和界面是解耦的，如果换一份城市数据集，只需要重新训练模型，界面代码一行不用改。这份解耦意识比模型 R² 高 0.02 更有说服力。

复盘整个项目的过程中，我自己的经验是：先跑通最小闭环再优化界面。很多同学第一步就去调 PyQt5 的控件样式，花了一个晚上背景色还没调顺，但核心预测逻辑还没有跑通。正确顺序是：清洗数据 → 训练模型 → 用命令行脚本验证预测 → 再做界面 → 最后调样式。前面每一步都是有确定输出的，出问题容易定位，最后一步是美化，不影响功能落地。这套顺序我每次做课程设计都这么走，能省掉大量返工时间。希望帮到你。

本文还有配套的精品资源，点击获取