1、本项目以cx_Oracle作为存储，从数据库里提取数据集，以预测全国36个区域车型的油漆、钣金、拆装的核损工时价格
2、数据量：取1年的数据，大概1000万数据
3、以业务驱动，经过数据清洗，过滤，得到高质量数据，特征工程化后训练XGBoost模型
4、采用箱线图异常值检查方法去除异常值，特征工程中增加车系档次划分，工时项目划分
5、统计模型统计每一个区域的工时项目的核损工时价格，包括样本数，均值，中位数，众数等
6、采用机器学习框架SKlearn中的xgboost-gpu模型训练，GridSearchCV自动调参，保存最优模型
7、使用已保存的最优模型生成36个区域243个工时项目的所有数据，并保存在数据库中。
8、数据校准：模型预测价格，采用数据平滑，数据对齐，数据排序，数据填充校准价格。同时用统计模型统计出的均值，中位数，众数等参考对比校准价格。