有哪些信誉好的足球投注网站- 1、本文档共27页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
大数据在房产领域的实践
蔡白银
2016-4-
自我介绍
?蔡白银
毕业于北京大学，在大数据数据
挖掘领域有多年的经验,目前就
任链家网大数据架构师，负责链
家网大数据体系的建设，运用大
数据挖掘大数据价值助力房产领
域的O2O，提升房屋买卖体验，
使买卖房屋不再难
自我介绍
?蔡白银
毕业于北京大学，在大数据数据
挖掘领域有多年的经验,目前就
认链家网大数据架构师，负责链
家网大数据体系的建设，运用大
数据挖掘大数据价值助力房产领
域的O2O，提升房屋买卖体验，
使买卖房屋不再难
提纲
?
?
?
蜀道难难于上青天
行困难而正确之事
往事可鉴未来可追
蜀道难难于上青天
?客少、物少———————数据来源少
?买卖行为少周期长———行为数据稀少
?线下行为重容易分流—线上线下难打通
?业务复杂性—-————分析挖掘无坦途
提纲
?
?
蜀道难难于上青天
行困难而正确之事
?
往事可鉴未来可追
提升服务品质的环节
?房源真实无虚假
?合适的房屋给合适的人
?
?
?
房屋买卖不再难
缩短周期见效率
减少资源浪费
效果概述
数百万/天
数T级别/天
1000万/天
6000万
2300万
效果概述
经纪人
91/150维
33/81维
27/72维
升30%
23/55维
客户
32/107维
业主/房
54/319维
技术架构
市场报告解读客源解读A房推荐业主端链家指数数据频道
应用
挖掘
用户画像房源画像小区画像业主画像经纪人画像
房屋估价
DataService
RDBS
Hue
Adhoc
BI
Web可视化
Nginx
分析
计算
OLAP
HBase
Hive
DW
认证
权限
安全
Meta
MR
调度
系统
Hadoop
Spark
Yarn
存储
计算
HDFS
ETL
Flume
手动
DS
Collector
数据
采集
Kafka
SE
TE
Link
hdic
log文件日志流
其他
用户画像
?elasticsearch，hbase，spark等成熟的开源数据存储、处理系
统上
?elasticsearch存储、索引融合层全量数据，线上用户行为数据
全量索引以及热数据
?hbase存储线上用户行为数据
?spark完成批量和流式数据处理，包括线下全量/增量数据导入，
线上日志流处理并传送至elasticsearch集群。
用户画像
用户画像
KV查询：如通过手机号查询客源的一切数据
数据筛选：如筛选西山商圈，近三个月新增房源的小区名、挂牌价和房屋状态，要求房屋必须是精装修或大于3居室
OLAP查询:如查询海淀区2015年不同月份客源带看次数的分布
区域特征倾向
居室特征分布
用户画像
用户特征倾向
面积特征倾向
价格特征分布
行困难而正确之事
市场报告解读客源解读A房推荐业主端链家指数数据频道
应用
挖掘
用户画像房源画像小区画像业主画像经纪人画像
房屋估价
DataService
RDBS
Hue
Adhoc
BI
Web可视化
Nginx
分析
计算
OLAP
HBase
Hive
DW
认证
权限
安全
Meta
MR
调度
系统
Hadoop
Spark
Yarn
存储
计算
HDFS
ETL
Flume
手动
DS
Collector
数据
采集
Kafka
SE
TE
Link
hdic
log文件
日志流
其他
房屋估价
房屋估价
经纪人
房屋价格
业主/房
客户
房屋估价
房屋估价
估价准确：diff=5%
房屋估价
房屋估价
房屋估价
BestModel
Evaluate
DataSource1DataSource2
….
DataSourceN
ExtractFeature
ExtractFeature
多模型并举
FeatureTransform
ANN
FeatureTransform
Hedonic
Ensemble
GBDT
LOF-样本异常点处理
房屋估价
?LOF(LocalOutlierFactor)算法是一种机遇密度的异常检测算法，
?通过计算每个实例相对于其邻居的孤立情况来判断这个实例是否为离群点
?为每一个每个实例计算一个异常分数，这个分数称为实例的局部离群因子（LOF）
?较高的LOF值指示这个实例可能是异常的，较低的LOF值指示这个实例可能是正常的
提纲
?
蜀道难难于上青天
行困难而正确之事
往事可鉴未来可追
?
?
往事可鉴未来可追
链家金融
3D看房
VR看房
社区服务
海外置业
亿万
房产
O2O
服务
平台
打造
住的
入口
智能家电
链家装修
家政服务
文档评论（0）