logistic预测模型

说到2022年，我参与的那个项目，用logistic预测模型预测的是某个城市的房价走势。，当时我们团队挺激动的，因为数据量挺大的，有几千条记录，涉及到的变量有好几十个，每一条数据都像是密密麻麻的数字，我看着都头疼。
当时我们用了好多算法，最后决定用logistic回归，因为它简单，解释性也不错。，我记得那天我们花了大半天时间，把数据预处理了一下，剔除了一些异常值，还做了特征选择，就为了能让模型跑得快一点。
然后就是编码，那个过程啊，我手忙脚乱的，写代码的时候，，我这边写着写着，突然就懵了，然后我后来才反应过来，原来是我把一个符号写错了。那时候心里那个急啊。
最后模型跑出来了，看着预测结果，我有点失望，准确率没我想象的那么高。可能是我对数据的理解还不够深入，或者模型本身就有局限性。，我当时也偏激地想，是不是我们用的方法不对，然后又重新研究了好多文献，调整了参数，结果好一些了，但是也没达到完美。
说到底，预测模型嘛，总有它的局限性，不能全信。不过，这个过程还是挺有意思的，至少让我学到了不少东西。至于那个预测的房价，，多少钱一平方米，我记不太清了，反正比当时市场价要高一点。