能否训练一个AI模型来预测房价，寻找投资机会挖掘价值洼地？
谢邀
在数据丰富的地方当然是可以做的。比如美国的房屋买卖数据依照法律要求是公开的，每一栋房子的基本信息，购买人信息，以及购买价格都是可以被所有人查到的。因此，房屋估价在美国有不少房地产科技公司做。常见的比如 http://Zillow.com 的 Zestimate 是一个做了上十年的房屋估价算法。有的公司，比如大佬 @Rorschach 所在的旧金山明星创业公司 Opendoor.com 会使用机器学习模型预测房价，并将房子买下，之后转手卖出赚取差价。公司发展神速，最近才融了两亿多美元的 D 轮。因此，只要数据充足，这个问题肯定是可以做的。
Zillow 最近在 Kaggle 发布了房屋估价比赛 Zillow Prize，最终获胜者者可以获得百万美金的大奖。比赛里面提供了不少数据，大家有兴趣的可以去做一做。我也总结了一些相关教程和文章，希望对于参加比赛，或者对于机器学习+房地产有兴趣的同学有所帮助：如何看待 Kaggle 发布的 Zillow 房价预测比赛?
by @陈然
继续阅读
全部内容
有哪些方法可以帮助AB测试显著更快一些？
方法是有不少的，比较常见的一个方向是做方差缩减（Variance Reduction[1]）。这里分享一篇来自 Netflix KDD 2016 年的文章 Improving the Sensitivity of Online Controlled Experiments: Case Studies at Netfli...
支持向量机（SVM）是什么意思？
大部分答案都在写公式，我来聊聊直觉上的东西。 设想一下你要做一个分类器，区分狗和炸鸡。首先假定我们只有两个数据，那么这条线会很容易画，自然而然就会画在正中间。 这个时候，我们加入一个新的数据，这个狗跟现有的数据差别很大。这个时候，分类线应该画在哪里？ 这就是 SVM 跟其他线性模型很不一样的地方了，SVM 这条分类线不...
如何看待深度学习中不分验证集？
这就是典型的 overfitting 嘛，自欺欺人地刷数据。有限数据，天赋异禀，看着训练集，靠着随机函数丢硬币丢出完美符合的测试集的 if-else，拿到完美指标。刷就是了。 不过这是所有公开数据集都难以避免的，毕竟所有的数据都开放了，只要数据有限，不管怎么分，总有可能过拟合。所以刷数据的论文主要是看个 insight...