Megatonn：AI驱动的跨城市薪资预测平台技术解析

一个基于机器学习的薪资预测平台，支持多城市薪资对比分析，采用特征工程、目标编码和TF-IDF技术，通过Streamlit提供交互式可视化界面。

• 原作者/维护者: Marilaura-Alvarado
• 来源平台: GitHub
• 原始标题: megatonn_prediction_app
• 原始链接: https://github.com/Marilaura-Alvarado/megatonn_prediction_app
• 发布时间: 2026年5月26日

在全球化人才流动日益频繁的今天，薪资水平的地域差异成为求职者和企业共同关注的焦点。同一个软件工程师在纽约、伦敦、班加罗尔或新加坡的薪资可能相差数倍，但如何科学量化这种差异却是一项复杂的挑战。Megatonn 项目正是针对这一痛点，构建了一个基于机器学习的跨城市薪资预测平台。

该项目的核心价值在于：用户只需输入一次个人职业档案，系统即可预测该档案在不同城市的薪资水平，帮助用户做出更明智的职业决策。这对于考虑异地发展的职场人士、制定薪酬策略的HR部门，以及研究劳动力市场的经济学家都具有实用价值。

Megatonn 采用典型的数据科学应用架构，技术选型务实而高效：

• Streamlit：快速构建数据应用的Python框架，支持交互式组件和可视化
• Plotly Express：生成交互式图表，展示城市间薪资对比
• 双语支持：内置英语和俄语界面，适应国际化需求

• scikit-learn：核心机器学习库，提供回归模型支持
• joblib：模型序列化和反序列化
• pandas / numpy：数据处理与数值计算
• scipy.sparse：稀疏矩阵操作，高效处理高维特征

• TF-IDF：文本特征的向量化表示
• MultiLabelBinarizer：多标签技能编码
• 目标编码（Target Encoding）：高基数类别变量的有效处理方式

项目的特征工程模块设计精巧，充分考虑了人力资源数据的复杂性：

基础数值特征：

• 工作年限（experience_years）
• 硬技能数量、软技能数量
• 技能总数、硬软技能比例

类别特征编码：

• 频率编码（Frequency Encoding）：计算每个类别在训练集中的出现频率
• 目标编码（Target Encoding）：用类别对应的目标变量均值替代原始类别
• One-Hot编码：处理低基数类别变量

交互特征：

• 职位与城市组合（role_city）
• 职位与经验交互（role_exp_interaction）

文本特征提取：

• 职位名称的词级别TF-IDF
• 职位名称的字符级别TF-IDF（捕捉拼写变体和缩写）

薪资锚定特征：

• 城市平均薪资（city_avg_salary）
• 职位平均薪资（role_avg_salary）
• 职位-城市组合平均薪资（role_city_avg_salary）