前两次题目的结论 | ML#Day10

接下来跟大家分享我们的入门命题，其实是第三次的题目了，就这点而言，感谢团队拥有这样的弹性，并愿意一同检讨过去的得失，将经验成为下次施做的养分。

前二次题目的出发点还是很好，有助於理解和调整我们的商业模式，只是共历经了约4个月之後，发现实作上目前来讲有些障碍太大的困难，因此告一段落之後，展开第三次的命题。

在这之前，简单地稍作讲述历经前两次实作，可以分享的一点经验。

第一次题目，我们想了解客户的下订单状况与状况。

这个阶段了解到一些有趣的统计，以及顺便验证和厘清部分我们对於客群的假想与市场喜好，资料反应出来的有些购买习惯，真的超出我们的想像，例如看到几乎24小时不间断的购买(中间间隔不超过两小时)，这个让人不禁怀疑是程序购买呢？还是排工读生专业三班代购？

不过终究完成目标实在太发散，ML，尤其对我们这些新手，没有切确的目标是无法完成的，光是把资料数学化、数字化就遇到莫大的困难。

更何况没有「预期」的答案，全程混沌不明的状况之下，这个命题当然也宣告失败，最终我们得到的需要有切确答案的问题的结论，比较适合开场的题目。

这个题目目前暂且被封存，并不是被放弃了。

我们想从购买行为得出某些特徵值，来辅助判断哪些是机器人购买，做为当遇到系统异常的时候，一个可以参考的资讯。

这个题目有两个难题，第一个是即使我们能够从新旧椄口判断哪些是机器人，累积的资料量其实还略显不足(本来这些使用者帐户占的比例就很少)。

二来是承之前讨论到的「特徵萃取」的问题，如果是一种有模式的行为，或者是说连续性的行为，第一手的基本基础资料可能无法发挥太大的作用，我们必需要做特徵萃取，做出第二层，甚至第三层的资料，如此一来不是做不到，但做为第一个跑训练模型的题目未免也太硬了。

因此与团队讨论後，决定暂且先搁置，先从简单一点的项目开始。