个人简介
一名14年经验的资深毕设内行人，语言擅长Java、php、微信小程序、Python、Golang、安卓Android等
开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。
感谢大家的关注与支持！
答辩学生：各位老师好，我叫 xx 同学，做的是"基于 Python 爬虫的二手房信息爬取与分析系统"。整个系统分三大块：先用 Scrapy 多线程爬取链家网真实房源，再把爬下来的数据做清洗、填充空值、格式转换；接着用 GBDT 算法找出热门房源，用余弦相似度给用户推荐同类型房子；最后用 Flask 搭成网站，把结果用柱状图、热力图、时间折线图等可视化方式展现出来，方便购房者快速了解市场行情。技术栈就是 Python+Scrapy+pandas+sklearn+Flask+Echarts，电脑配置要求不高，普通笔记本就能跑。
评委老师：为什么选二手房这个题目？
答辩学生：因为我马上也要面临买房，二手房价格多元，又是现房，适合年轻人，所以想先拿数据看看行情，顺便把学到的爬虫和可视化都用上。
评委老师：数据从哪来？合法吗？
答辩学生：只爬链家网公开页面，不登录、不破解接口，每秒一次限速， robots 协议允许，本地保存，不商用，仅供研究。
评委老师：爬下来的数据最脏的地方是什么？
答辩学生：单价和地铁两列空值最多，还有面积、单价带"㎡""元/平"单位，无法直接计算，得先清单位再转 float。
评委老师：空值你怎么填？
答辩学生：数字列用整列均值 fillna，文本列地铁填"无"，保证后面分析不报错。
评委老师：热门房源怎么算出来？
答辩学生：把价格、面积、楼层、朝向、地铁距离等做成特征，用 GBDT 回归预测"成交周期"，周期越短越热门，取前 5% 做推荐。
评委老师：推荐相似房源为什么用余弦相似度而不用欧式距离？
答辩学生：因为特征里有分类变量（朝向、装修）也有数值，先做 one-hot 再标准化，余弦对量纲不敏感，效果更稳。
评委老师：可视化网站你自己能访问就行？
答辩学生：用 Flask 搭在本地 5000 端口，同宿舍局域网都能看，图表用 Echarts 直接嵌在网页里，手机也能打开。
评委老师：如果链家网页改版了你的爬虫怎么办？
答辩学生：我把 XPath 和 CSS 选择器单独写进 config 文件，一改只动配置，不用动主代码，半天就能修好。
评委老师：系统最大瓶颈在哪？
答辩学生：爬 2 万条数据大概 30 分钟，主要是网速，后面清洗加训练 5 分钟搞定，内存只占 400 M，还能接受。
评委老师：下一步准备做什么？
答辩学生：先把 Flask 部署到云服务器，让外网也能访问；再加用户登录，把收藏和搜索记录存起来，方便老师检查。
【答辩结束评价】
评委老师：xx 同学选题贴近生活，技术路线清晰，爬虫、清洗、建模、可视化一环扣一环，能说出每一步为什么这么做，说明确实自己动手了。下一步注意写好论文格式、把截图和代码附录补齐，继续保持，预祝你顺利通过。
以上是某同学的毕业设计答辩的过程，如果你现在还没有参加答辩，还是开题阶段，已经选好了题目不知道怎么写开题报告，可以下面找找有没有自己符合自己题目的开题报告内容，列表中的开题报告都是往届真实的开题报告，可发送使用或参考。文末或底部来联xi可免费获取
最后
有时间和有基础的同学，建议自己多花时间找一下资料（开题报告、源码）自己独立完成毕设，需要开题报告内容、源码参考的，可以联xi博主，没有选题的也可以联系我们进行帮你选题、定功能和建议。