接下來跟大家分享我們的入門命題，其實是第三次的題目了，就這點而言，感謝團隊擁有這樣的彈性，並願意一同檢討過去的得失，將經驗成為下次施做的養分。

前二次題目的出發點還是很好，有助於理解和調整我們的商業模式，只是共歷經了約4個月之後，發現實作上目前來講有些障礙太大的困難，因此告一段落之後，展開第三次的命題。

在這之前，簡單地稍作講述歷經前兩次實作，可以分享的一點經驗。

第一次題目，我們想了解客戶的下訂單狀況與狀況。

這個階段了解到一些有趣的統計，以及順便驗證和釐清部分我們對於客群的假想與市場喜好，資料反應出來的有些購買習慣，真的超出我們的想像，例如看到幾乎24小時不間斷的購買(中間間隔不超過兩小時)，這個讓人不禁懷疑是程式購買呢？還是排工讀生專業三班代購？

不過終究完成目標實在太發散，ML，尤其對我們這些新手，沒有切確的目標是無法完成的，光是把資料數學化、數字化就遇到莫大的困難。

更何況沒有「預期」的答案，全程混沌不明的狀況之下，這個命題當然也宣告失敗，最終我們得到的需要有切確答案的問題的結論，比較適合開場的題目。

第二次題目，我們想得知哪些是機器人(程式)購買。

這個題目目前暫且被封存，並不是被放棄了。

我們想從購買行為得出某些特徵值，來輔助判斷哪些是機器人購買，做為當遇到系統異常的時候，一個可以參考的資訊。

這個題目有兩個難題，第一個是即使我們能夠從新舊椄口判斷哪些是機器人，累積的資料量其實還略顯不足(本來這些使用者帳戶占的比例就很少)。

二來是承之前討論到的「特徵萃取」的問題，如果是一種有模式的行為，或者是說連續性的行為，第一手的基本基礎資料可能無法發揮太大的作用，我們必需要做特徵萃取，做出第二層，甚至第三層的資料，如此一來不是做不到，但做為第一個跑訓練模型的題目未免也太硬了。

因此與團隊討論後，決定暫且先擱置，先從簡單一點的項目開始。