课程项目中基于公开脱敏数据集，分析用户浏览与下单路径。使用Python、Pandas和Matplotlib完成数据清洗与可视化，构建分类模型识别流失倾向，在本地测试集上对比逻辑回归与随机森林效果，流失识别准确率提升约八个百分点。与两名组员分工完成特征整理与结果复核，输出分析报告和展示材料，为课程答辩提供数据支撑。项目结束后复盘特征工程与模型调参过程，整理成可复用的分析笔记，供后续课程实践参考。

个人项目围绕校园公开能耗记录，尝试预测教学楼用电趋势。使用Python完成缺失值处理与特征构造，采用时间序列与回归模型做对比实验，在固定划分的测试集上记录误差指标，并据此筛选较优模型。整理实验记录与可视化图表，形成可复用的分析流程和说明文档，用于个人能力练习与方法总结。过程中查阅时间序列建模资料，逐步完善特征构造思路，并记录每次实验的误差变化与改进方向。