第一幕
旁白：周启源同意了坎德拉的微信申请
场景：微信聊天（坎德拉&周启源）
周启源心想：哎，现在的人，越来越会保护自己了。明明是好心帮他，他还用个小号加我。说不定，这个号，还是刚申请的呢。怪不得等那么久才来加我。
不过，如果我能够帮助这个人，然后用心去感化这位不知名的网友，让他也和我一样，去帮助更多的人。这样，世界上不是又多了一个天使了吗？
周启源：“论文发给你了”
坎德拉：“我下载了你推荐的pycharm，这个怎么用啊？根本不像matlab好吧[捂脸笑哭]”
周启源：“我是说 Spyder 像 Maltab[笑哭]，pycharm 的话，你新建一个脚本文件，随便输入一句代码，直接右键点击 run 就可以运行代码了”
坎德拉：“哦，那输入什么好呢？”
周启源：“你就输入 print('hello world')就行了”
坎德拉：“点击运行了，没作用额
，是不是您代码有问题啊[腼腆]”
周启源：“你配置了 Python 没？就是 pycharm 里面，有没有配置 python 啊？”
坎德拉：“配置python？不是说一站式的吗[笑哭]？”
周启源：“我说的那个是 Anaconda，不是 pycharm [笑哭]”
坎德拉：“哦哦，那怎么配置啊？”
周启源：你看看这篇文章，[文章链接]
坎德拉：“好吧，谢谢”
落幕
第二幕
旁白：兔子啦根据周启源的建议，仍旧无法解决问题。
场景： QQ 聊天（兔子啦&周启源）
兔子啦：“我按照你的建议试过了，结果还是很差。神经网络也用了，还是不行，仍然过拟合[哭]”
周启源心想：刚刚回了坎德拉，他那么菜，是不是这位也是小白呢？我得回复得仔细一点了。
周启源：“你有没有做数据预处理啊，就是对数据归一化，或者标准化之类的”
兔子啦：“我有用过 Zscore 标准化”
周启源：“先不用标准化，因为随机森林的基模型，决策树这个东西，不用标准化也行的。毕竟。决策树就是一张图嘛”
兔子啦：“哦，那我试试”
几分钟后
兔子啦：“还是不行”
周启源：“啊，那会不会是你数据有问题？数据的来源是？”
兔子啦：“我也怀疑数据有问题”
周启源：“你这是研究生的题目，还是企业的项目啊”
兔子啦：“企业的项目啊，研究生的题目还可以问问老师[笑哭]”
周启源心想：如果是企业的项目，那么数据应该不会有什么问题才对。我得探探，看她的数据是怎么来的。
周启源：“如果你觉得数据不行，你会怎么办？”
兔子啦：“重新找”
周启源：“哦，我以为数据是公司给你的哩”
兔子啦：“什么哟。自己捞的”
周启源：“额，那数据很可能有问题哦”
兔子啦：“我进行 EDA 的时候发现，特征与目标变量的相关系数很小，区分也不明显”
周启源：“数据分析嘛，是会有很多问题的，各种各样”
兔子啦：“从来没做过实际的项目，以前总是在 Kaggle、天池上面练，就很少碰到这种实际的问题。竞赛的时候，我一套方法下来一直有用。所以一直很顺，这下好了，遇到一个项目，只有我一个人做，负责的人都没有”
“哎！赶鸭子上架呢”
周启源：“能说说以前竞赛的时候，是怎么做的吗？”
兔子啦：“就是一个固定套路啦。先是数据预处理，标准化、降维、EDA之类的，然后交叉验证筛选最好的机器学习模型，机器学习不好，就换神经网络。这个套路一直很顺的”
周启源：“固定的套路，can't fit in with broken rhythm”
兔子啦：“哎，我现在觉得我就是个菜[哭]”
周启源：“emmmm，不能帮助你解决问题，我也没资格说你呵[笑哭]”
兔子啦：“你以前是怎么解决的呢？”
周启源：“其实也跟你差不多，就是预处理、筛模型、不好就神经网络”
兔子啦：“哎，我比你更菜，至少你懂的比我多”
周启源：“别这么说自己，我觉得我们，比那些只会用神经网络，只会到网上找现有的代码，其他什么都不懂的人好多了。我觉得，这种不叫数据分析师，叫搬砖学家。跟做苦力没什么区别”
兔子啦：“是啊，老板也不知底细，不懂水有多深。看到一个家伙，会用神经网络，就直接聘用了”
周启源：“说到变通，我倒是有一个想法。”
“你的问题是，根据用户的信息，给用户的信用做一个评分是吧？也就是，回归问题咯”
（注：根据数据特征，预测连续数值型因变量即为回归问题，如线性回归等。）
兔子啦：“什么变通，是啊，怎么了？”
周启源：“那就可以了。你可以把某个一分数阶段，划分为一类。然后就这样，将回归问题转换为分类问题”
兔子啦：“哦哦哦哦，看起来是个好办法
”
周启源：“不过你得问问甲方同不同意呵”
兔子啦：“嗯，只能这样了”
[第二天]
兔子啦：“Hello，甲方宽宏大量，同意让我试试，叫我算查全率、查准率”
周启源：“那就太好了，查准率、查全率就是准确率（precision）、召回率（recall）吧？”
兔子啦：“这么叫也阔以”
周启源：“灵魂问题，那么交叉验证、训练模型的时候，你要用哪个指标作为评判指标呢？”
兔子啦：“别个有个博士后带团队，他们的项目全用 F1 值，我也考虑这样。”
周启源：“我建议你不要”
兔子啦：“为什么？”
周启源：“因为这种项目，一般是宁可错杀，不能放过。就像在防盗系统中，识别攻击行为时，要求尽量不能犯二类错误。本应该被识别为攻击行为的行为却没被识别，可能会带来很大的经济损失”
兔子啦：“哦，那这个项目是根据用户的信息，然后计算其信用度，并根据信用度，考虑是否给他贷款。这个，应该是宁可把信用高的归错，也不能误给信用低的贷款咯”
周启源：“是的，所以你应该用召回率（查全率），recall，作为筛选模型的指标”
兔子啦：“(⊙o⊙)…，我灵魂都碎一地了”
周启源：“我觉得，不要认为某人是博士后，就一定要向他看齐。因为 AI 是新兴技术，他们有些故步自封，早已被淘汰。人们碍于其威望，不愿告诉他这个事实罢了。当然，我们心照不宣，不说也行”
兔子啦：“嗯嗯”
周启源：“人们总是看重资历，因为老酒醇，老姜辣。但是，他们在看重资历的时候，总无法想起岁月是一把杀猪刀。老人们比年轻人积累得多，但他们未必不会忘得比较多。老人们虽然学的东西多，但未必接受新事物的能力强于年轻人。老人们比年轻人多出一些东西，但同时年轻人也比老人多另一些东西。但事实往往是人们忽略了年轻人的东西，而看重老年人的东西。”
“特别是在 AI 这个领域，我认为年轻人的多出的东西，远远比老年人多出的东西，价值要大。可是，陈腐的观念，永远是带着放大镜，放大年轻人的缺点，老年人的优点。我真心希望，你不要戴着这种有色眼镜看待别人，看待自己。”
兔子啦：“听君一席话，胜读十年书
”
周启源：“好啦，你试试用分类问题能不能解决呗”
兔子啦：“看了一下数据分布，感觉低分群体的样本量太少了，用过采样行吗？”
（注：低分群体少，意味着类别不均衡。类别不均衡，就可能导致模型效果差。比如一个样本中，类别一和类别二的样本量比值为 99:1，那么一个只会点头的模型，就有可能达到 99%的准确率。这里的过采样，就是要将类别二的样本数量增多，解决类别不均衡问题。）
周启源：“我的建议，先欠采样删样本容量多的，再过采样，加少的。类别不均衡问题的话，可以用一个叫 imblearn 的模块，里面有现成的代码”
“不过，欠采样、过采样也要好多方法的额。。你有得学了”
兔子啦：“[哭]他们什么破服务器哟，不让联外网，pip install 用不起”
（注：pip install 用来安装 Python 模块的命令，需要联网）
周启源：“用清华源呀”
兔子啦：“这个不用连网？”
周启源：“不用连外网，但联网还是要的”
兔子啦：“[哭]连不起”
周启源：“真的假的，这么不自由，连网都不然上！(*@ο@*)哇～”
兔子啦：“不然我为毛要用 sklearn，第一次用 sklearn 就踩了好多坑”
（注：sklearn 是 Python 中的一个模块，可以用来实现机器学习）
周启源：“sklearn 好像没有什么欠采样的模块额.....”
兔子啦：“唉，只有手动写个了”
周启源：“你可以给样本设置权重......”
兔子啦：“嗯，我先试试吧”
落幕
