INFS5705 A1 Individual Assignment I 拍卖与图片分析

🖼️ 图片分完组还得认房间

题目给了 1,500 张房产图片，明确写着未标注。厨房、客厅、浴室是希望支持的浏览类别，文件里没有现成 answer。如果你照这几个名称建分类器，训练时就会缺少每张图对应的标签。

我的做法是先提取颜色、边缘等视觉信息，再用聚类把相似图片放在一起。聚类就是按相似度分组，结果先叫组号。若一组全是明亮画面，里面同时有厨房和客厅，给它命名为厨房就会把浏览入口做错。

轮廓系数衡量组内是否相似、组间是否分开。数值好看仍要人工核验房间名称，检查每组代表图和容易分错的边界图，再解释这种分组能怎样帮助浏览。

🏠 提前售出要单列处理

如果你把所有售出记录都编码为成功，模型就会学到一个比题目更宽的目标。学校写明，成功指拍卖期间或拍卖之后售出；提前成交的记录发生在拍卖之前，不能混入这一定义。

对应到 Outcome，S、SN、SA、SS 属于成功，PI 是未售出。SN 中的 N 表示价格未披露，房产已经卖出，不能因为价格空着就改成未售出。SP、PN 则是提前售出。

我的做法是将 SP、PN 单列并排除，在报告中交代理由和数量。这是样本处理选择，学校没有指定必须用哪行代码。先保留七种结果的原始统计，再映射目标，未知代码单独查明；否则模型再准确，也只是在回答你自己改过的问题。

📊 两模型要用同批房源比较

题目要求两种不同算法。若逻辑回归和随机森林各自随机切一次数据，碰巧一个遇到更容易预测的房源，两个测试数字就掺进了样本难度的差别。

我的做法是先固定一份测试记录，让两模型共用，再只在训练记录里学习填补缺失值、编码和缩放的规则。报告写清目标哪一类算正类；若把未售出设为正类，召回率就表示真实未售出中被预警的比例。

比较时看漏报与误报各有多少。漏报让需要关注的房源未被发现，误报增加人工检查量。两个模型总准确率接近，运营代价也能不同。参数在训练集内部比较，确定后再看测试集，避免反复拿同一批房源挑方案，却把数字当成未来表现的证明。

📋 给图片组命名的检查清单

以厨房这一浏览入口为例，我会先写清识别规则：画面出现什么设施算厨房，开放式厨客厅同时出现时怎样记录。题目举的房间名称只是业务方向，识别规则需要你说明。

• 查看每组靠近中心的代表图，记录共同出现的房间设施，避免只按颜色和光线命名。
• 再看远离中心或接近两组边界的图片，记录厨房与客厅混在一起的情况，留下核验截图。
• 另外抽出一批图片，按事先写好的规则人工标注，用它检查组名和房间用途能否对应。
• 对混杂组保留人工整理，报告写出改正记录和仍有歧义的情形，先小范围试用分类浏览。

这些记录连接了相似度与业务用途。没有人工标签核验时，结果只能描述为视觉相似组；核验发现混杂，就继续改特征或补标签，不直接给用户展示错误房间名。