😇很榮幸受邀到 women in data science 2020 演講😇
題目：在網路聲量定產品好壞的年代，我們需要好的機器學習來翻轉👌🏻
在電商時代趨勢下，消費者在購物前習慣透過商品歷史客戶評價（Customer Reviews）來進行選購，就像我在淘寶買衣服之前，一定會看其他消費者穿搭照片一樣，有時候會瞬間滅火，有些衣服在模特身上是玲瓏有緻，穿在一般老百姓身上就是灌香腸。
或是某些客戶習慣A商品頁面攻擊Ｂ商品，或是趁機打其他商品廣告，試圖把潛在客戶引開。
客戶評價以往大多採用人工的方式進行審核，但在評價數量與日俱增，我們需要機器學習演算法來簡化人類的工作量🤗，透過演算法的方式針對商品評價進行篩選，不僅可減少人力支出，更可以有效的進行模型優化。
◽️分析工具：
SQL database🐬
python pandas scikit-learn 🐍
◽️實務分析流程:
整理特徵-->處理樣本不平衡-->特徵選擇-->羅吉斯迴歸-->評估指標(recall rate)-->決定臨界值-->結合多模型成就最終版數學模型
◽️白話文：
Customer Reviews是由購買和使用過該產品的顧客對產品進行的評論。
一個新的 評價 進來，丟入最終版數學模型後，模型會給此 評價 一個分數，此時若算出來的 分數>0.75 我們就會直接將這條 評價 放到 電商平台網站上，若 分數< 0.75 則會進一步交由人工小組審查，若通過人工小組審查則放上網站，反之移除。
🍊有趣的小常識：
此次用到的演算法叫羅吉斯回歸(Logistic regression)
，很多朋友都在問為什麼要叫做regression呢？
從前從前英國科學家想要研究“身高都很高的夫妻，是否會生下更高的兒女？”，於是發現父母特徵的確會遺傳給後代，但是並不會產生極端身高的族群。當父母的身高已經遠離平均身高時，生下的兒女身高並沒有持續「遠離」平均，而會稍微「靠近」平均，也就是相對矮了一點。
把這個「極端」往「平均」移動的現象稱為「 regression to the mean 」，很有趣吧🙈🙈
🐶Mina IG : https://reurl.cc/8GZZjb
----------
最後謝謝
讀書會 Republic of AI Developer
研討會 Women in Data Science Taipei
還有週末被我逼迫聽我rehearsal 的朋友們 😆😆
