chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

APP推廣合作
聯(lián)系“鳥哥筆記小喬”
數(shù)據(jù)分析思維清單32/50:機(jī)器學(xué)習(xí)
2024-11-18 11:45:11

作為商業(yè)分析師,或多或少聽過機(jī)器學(xué)習(xí)。你每天都在用它的產(chǎn)品,比如"猜你喜歡"、"預(yù)估配送時(shí)間"、"智能客服"等都是機(jī)器學(xué)習(xí)的具體應(yīng)用。

今天我們就來聊聊最常用的三大類算法,以及使用機(jī)器學(xué)習(xí)時(shí)的兩個(gè)關(guān)鍵注意事項(xiàng)。

不用擔(dān)心,我會用最接地氣的方式,讓你輕松理解這些概念。

一、三大類機(jī)器學(xué)習(xí)算法

1. 分類算法:預(yù)測"是或否"

想象一下,你是音樂APP的產(chǎn)品經(jīng)理,每天面對海量的音樂數(shù)據(jù),如何精準(zhǔn)預(yù)測用戶會喜歡哪些歌?

這就是一個(gè)典型的分類問題。

分類算法就像一個(gè)"是非題",它的答案永遠(yuǎn)是確定的選項(xiàng),比如"會喜歡/不會喜歡","是/否","A/B/C"等。

最常用的分類算法有:

  • 決策樹:就像是玩20個(gè)問題的游戲。比如:這首歌的風(fēng)格是民謠嗎?用戶最近聽過這個(gè)歌手的歌嗎?用戶是否經(jīng)常在晚上聽這類音樂?通過一系列問題,最終得出"用戶可能會喜歡這首歌"的結(jié)論。決策樹的優(yōu)勢在于可解釋性強(qiáng),你可以清晰地看到每個(gè)決策的依據(jù)。

  • 隨機(jī)森林:這個(gè)聽起來很高大上,其實(shí)就是找100個(gè)人(100棵決策樹)一起決策,少數(shù)服從多數(shù)。每個(gè)決策樹都獨(dú)立判斷,互不干擾,最后投票決定。這樣做的好處是,能夠避免單個(gè)決策樹的偏見,提高預(yù)測準(zhǔn)確性。就像在公司做決策,集思廣益總比一個(gè)人拍板要靠譜。

在商業(yè)分析中,分類算法的應(yīng)用無處不在:

  1. 預(yù)測用戶流失:通過分析用戶的使用頻率、最近登錄時(shí)間、消費(fèi)金額變化等特征,預(yù)測哪些用戶可能會流失。這樣我們就能提前對這些用戶進(jìn)行針對性的營銷挽留。

  2. 欺詐檢測:在金融領(lǐng)域,通過分析交易時(shí)間、金額、頻率、地點(diǎn)等特征,判斷一筆交易是否可能是欺詐。

  3. 商品推薦:結(jié)合用戶的歷史瀏覽、購買記錄,以及商品的類別、價(jià)格等信息,預(yù)測用戶是否會對某個(gè)商品感興趣。

舉個(gè)實(shí)際的例子:某電商平臺想預(yù)測用戶是否會在未來30天內(nèi)購買某個(gè)商品。他們可能會考慮這些特征:

  • 用戶最近30天的瀏覽次數(shù)

  • 用戶是否將商品加入購物車

  • 用戶歷史購買同類商品的頻率

  • 用戶的客單價(jià)水平

  • 商品的折扣力度

  • 商品的庫存狀態(tài)

  • 用戶是否是會員

通過訓(xùn)練分類模型,就能得到一個(gè)預(yù)測結(jié)果:"該用戶有87%的概率會在未來30天內(nèi)購買這個(gè)商品"。

數(shù)據(jù)分析思維清單32/50:機(jī)器學(xué)習(xí)

2. 回歸算法:預(yù)測具體數(shù)值

如果說分類算法是選擇題,那回歸算法就是填空題。你在使用滴滴打車的時(shí)候,你叫車前,它就能估算出價(jià)格。這就是回歸算法在發(fā)揮作用。回歸算法的特點(diǎn)是預(yù)測連續(xù)的數(shù)值,而不是離散的類別。

常見的回歸算法包括:

  • 線性回歸:這是最基礎(chǔ)的回歸算法,假設(shè)特征和預(yù)測值之間存在線性關(guān)系。想象你坐公交車,每公里2元,這就是最簡單的線性關(guān)系。在實(shí)際應(yīng)用中,可能會考慮多個(gè)特征,比如預(yù)測房價(jià)時(shí),不僅要考慮面積(每平米單價(jià)),還要考慮地段、樓層、裝修等因素。

  • GBDT(梯度提升決策樹):這個(gè)名字聽起來嚇人,但實(shí)際很好理解。就像打高爾夫,第一桿打偏了,第二桿調(diào)整一點(diǎn),第三桿再調(diào)整一點(diǎn),每次都在糾正之前的誤差,最終找到最好的路徑。GBDT在工業(yè)界非常受歡迎,因?yàn)樗茏詣?dòng)挖掘特征間的非線性關(guān)系,預(yù)測效果往往比線性回歸好得多。

商業(yè)分析中的應(yīng)用場景:

  1. 銷量預(yù)測:預(yù)測未來一段時(shí)間內(nèi)的商品銷量,這對于庫存管理和供應(yīng)鏈優(yōu)化至關(guān)重要。

  2. 廣告點(diǎn)擊率預(yù)測:在投放廣告前,預(yù)估可能的點(diǎn)擊率,這直接關(guān)系到廣告位的定價(jià)和排序。

  3. 客戶終身價(jià)值預(yù)測:預(yù)測一個(gè)客戶在未來可能貢獻(xiàn)的總收入,這對于制定差異化的客戶服務(wù)策略非常重要。

數(shù)據(jù)分析思維清單32/50:機(jī)器學(xué)習(xí)

3. 聚類算法:發(fā)現(xiàn)相似的群體

聚類算法就像是一個(gè)優(yōu)秀的運(yùn)營,能把相似的用戶分到一組。用戶運(yùn)營就經(jīng)常用聚類算法來發(fā)現(xiàn)不同的用戶群體,這樣就能精準(zhǔn)推送內(nèi)容了。與分類算法不同,聚類算法不需要預(yù)先知道分組的標(biāo)準(zhǔn),它能自動(dòng)發(fā)現(xiàn)數(shù)據(jù)中的模式。

數(shù)據(jù)分析思維清單32/50:機(jī)器學(xué)習(xí)

兩個(gè)常用的聚類算法:

  • K-Means:就像給羊分圈,先定好要分幾個(gè)圈(K值),然后看哪只羊離哪個(gè)圈最近。這個(gè)過程會不斷重復(fù),直到每只羊都找到最合適的圈。K-Means的優(yōu)點(diǎn)是簡單高效,缺點(diǎn)是需要預(yù)先指定K值,而且對異常值比較敏感。

  • DBSCAN:這個(gè)更智能,它會自動(dòng)發(fā)現(xiàn)人群密集的地方,就像在音樂節(jié)上發(fā)現(xiàn)不同的粉絲團(tuán)。DBSCAN不需要預(yù)先指定分組數(shù)量,而是根據(jù)數(shù)據(jù)的密度自動(dòng)劃分,還能識別出異常點(diǎn)。缺點(diǎn)是對參數(shù)的設(shè)置比較敏感,需要一定的經(jīng)驗(yàn)。

關(guān)于各類算法的特點(diǎn),我總結(jié)了下面的表:

數(shù)據(jù)分析思維清單32/50:機(jī)器學(xué)習(xí)

二、用好機(jī)器學(xué)習(xí),這兩點(diǎn)你必須知道

1. 所有模型都是錯(cuò)的,但有些是有用的

“所有模型都是錯(cuò)的,但有些是有用的”。

這句話不是我說的,是統(tǒng)計(jì)學(xué)家George Box說的。它告訴我們:不要追求完美的模型,要追求有用的模型。在商業(yè)分析中,這一點(diǎn)尤其重要。

假設(shè)有一位學(xué)生為了準(zhǔn)備考試。

這個(gè)學(xué)生在復(fù)習(xí)時(shí),只是簡單地瀏覽了一下去年的考試內(nèi)容,既沒有記住題目,也沒有深入理解知識點(diǎn)。他既沒有對去年的題目產(chǎn)生深刻的理解,也沒有掌握應(yīng)對新題型的方法。

因此,當(dāng)他面對去年的試卷時(shí),錯(cuò)的很多;而到了正式考試,他依然沒有足夠的知識來應(yīng)對這些新的問題。

在機(jī)器學(xué)習(xí)中,這種情況就是欠擬合。

欠擬合的模型就像這個(gè)沒有深入學(xué)習(xí)的學(xué)生——模型過于簡單,沒有足夠的能力去捕捉數(shù)據(jù)中的重要模式和規(guī)律,所以它在訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)上都表現(xiàn)不好。

如果他拿到了去年的考試卷子,并且把每一道題的答案都背得滾瓜爛熟。這種情況下,學(xué)生在做和去年的試卷一模一樣的題目時(shí),可能表現(xiàn)得非常好,分?jǐn)?shù)很高。這就像模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)非常好一樣。

但是,到了正式考試時(shí),考卷上的題目和去年的不完全一樣,雖然有些題型類似,但題目細(xì)節(jié)發(fā)生了變化。由于學(xué)生只會死記硬背去年的答案,而沒有真正理解知識,他在新的考題上可能表現(xiàn)得很差。這個(gè)學(xué)生在應(yīng)對“訓(xùn)練數(shù)據(jù)”(去年的試卷)時(shí)表現(xiàn)得很好,但在“測試數(shù)據(jù)”(正式考試卷)上卻失敗了。

這就是過擬合。過擬合是指模型過于專注于訓(xùn)練數(shù)據(jù)中的細(xì)節(jié)和噪聲,無法很好地應(yīng)對新數(shù)據(jù)。

過擬合和欠擬合的平衡是很微妙的,真正能用的模型既不能欠擬合也不能過擬合。

那么如果兩個(gè)模型效果差不多,怎么辦?這種情況要遵循一個(gè)原則:奧卡姆剃刀。

意思是,如果兩個(gè)模型效果差不多,那就選擇更簡單的那個(gè)。這就像你背單詞,與其背一大堆近義詞,不如先把最常用的掌握好。在實(shí)際工作中,我們經(jīng)常會看到:

  1. 簡單的決策樹模型,可解釋性強(qiáng),同事容易理解

  2. 線性回歸雖然簡單,但在很多場景下效果足夠好

  3. 復(fù)雜的深度學(xué)習(xí)模型,可能會過擬合,導(dǎo)致線上效果不穩(wěn)定

 

2. 選對評估標(biāo)準(zhǔn),避免南轅北轍

評估標(biāo)準(zhǔn)就像是考試的評分標(biāo)準(zhǔn),選對了,才能評判模型的好壞。不同的業(yè)務(wù)場景,關(guān)注的重點(diǎn)不同,使用的評估標(biāo)準(zhǔn)也應(yīng)該不同。

拿廣告點(diǎn)擊預(yù)測來說,我們經(jīng)常用這些指標(biāo):

  • 準(zhǔn)確率(Precision):預(yù)測點(diǎn)擊的廣告中,真正被點(diǎn)擊的比例

  • 召回率(Recall):所有被點(diǎn)擊的廣告中,被正確預(yù)測的比例

  • F1分?jǐn)?shù):準(zhǔn)確率和召回率的調(diào)和平均數(shù),平衡兩者的取舍

選擇哪個(gè)指標(biāo)?要看你的目標(biāo):

  • 如果預(yù)算有限,追求精準(zhǔn),就看準(zhǔn)確率

  • 如果怕錯(cuò)過機(jī)會,寧可多投,就看召回率

  • 如果兩者都想兼顧,可以看F1分?jǐn)?shù)

預(yù)測情況

實(shí)際點(diǎn)擊

實(shí)際不點(diǎn)擊

預(yù)測點(diǎn)擊

真正例(TP)

假正例(FP)

預(yù)測不點(diǎn)擊

假負(fù)例(FN)

真負(fù)例(TN)

  • 準(zhǔn)確率 = TP / (TP + FP)

  • 召回率 = TP / (TP + FN)

  • F1 = 2 * (準(zhǔn)確率 * 召回率) / (準(zhǔn)確率 + 召回率)

在實(shí)際工作中,選擇評估指標(biāo)時(shí)需要注意:

  1. 考慮業(yè)務(wù)成本:有時(shí)候假正例和假負(fù)例的成本不一樣,比如在欺詐檢測中,把正常交易判斷為欺詐(假正例)的成本,可能遠(yuǎn)小于把欺詐交易判斷為正常(假負(fù)例)的成本

  2. 數(shù)據(jù)不平衡:在用戶流失預(yù)測中,流失用戶往往是少數(shù),這時(shí)候準(zhǔn)確率可能會產(chǎn)生誤導(dǎo),應(yīng)該更關(guān)注召回率

  3. 綜合多個(gè)指標(biāo):不要只看單個(gè)指標(biāo),應(yīng)該綜合考慮多個(gè)指標(biāo),全面評估模型性能

結(jié)語

現(xiàn)在一般商業(yè)分析師不太自己做機(jī)器學(xué)習(xí)的分析,而是交給算法工程師。

不過學(xué)習(xí)機(jī)器學(xué)習(xí),就像學(xué)開車。你不需要知道發(fā)動(dòng)機(jī)的每個(gè)零件,但要知道什么時(shí)候該用什么檔位。作為商業(yè)分析師,你需要掌握這些基礎(chǔ)概念,就能遇到合適的問題的時(shí)候,想起可以用機(jī)器學(xué)習(xí)解決這類問題。

 

·END·

 

三元方差
分享到朋友圈
收藏
收藏
評分

綜合評分:

我的評分
Xinstall 15天會員特權(quán)
Xinstall是專業(yè)的數(shù)據(jù)分析服務(wù)商,幫企業(yè)追蹤渠道安裝來源、裂變拉新統(tǒng)計(jì)、廣告流量指導(dǎo)等,廣泛應(yīng)用于廣告效果統(tǒng)計(jì)、APP地推與CPS/CPA歸屬統(tǒng)計(jì)等方面。
20羽毛
立即兌換
一書一課30天會員體驗(yàn)卡
領(lǐng)30天VIP會員,110+門職場大課,250+本精讀好書免費(fèi)學(xué)!助你提升職場力!
20羽毛
立即兌換
順豐同城急送全國通用20元優(yōu)惠券
順豐同城急送是順豐推出的平均1小時(shí)送全城的即時(shí)快送服務(wù),專業(yè)安全,準(zhǔn)時(shí)送達(dá)!
30羽毛
立即兌換
三元方差
三元方差
發(fā)表文章103
專注于用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長,擅長產(chǎn)品數(shù)據(jù)分析,運(yùn)營數(shù)據(jù)分析,用戶增長等領(lǐng)域。
確認(rèn)要消耗 羽毛購買
數(shù)據(jù)分析思維清單32/50:機(jī)器學(xué)習(xí)嗎?
考慮一下
很遺憾,羽毛不足
我知道了

我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求,為完善跟帖評論自律管理,為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍,我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容,同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。


一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī),對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息,主要表現(xiàn)為:
    1)反對憲法所確定的基本原則;
    2)危害國家安全,泄露國家秘密,顛覆國家政權(quán),破壞國家統(tǒng)一,損害國家榮譽(yù)和利益;
    3)侮辱、濫用英烈形象,歪曲、丑化、褻瀆、否定英雄烈士事跡和精神,以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù);
    4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng);
    5)煽動(dòng)民族仇恨、民族歧視,破壞民族團(tuán)結(jié);
    6)破壞國家宗教政策,宣揚(yáng)邪教和封建迷信;
    7)散布謠言,擾亂社會秩序,破壞社會穩(wěn)定;
    8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪;
    9)煽動(dòng)非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序;
    10)侮辱或者誹謗他人,侵害他人名譽(yù)、隱私和其他合法權(quán)益;
    11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式,對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法規(guī)禁止的其他內(nèi)容;


2. 不友善:不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為:
    1)輕蔑:貶低、輕視他人及其勞動(dòng)成果;
    2)誹謗:捏造、散布虛假事實(shí),損害他人名譽(yù);
    3)嘲諷:以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述,以此來激怒他人;
    4)挑釁:以不友好的方式激怒他人,意圖使對方對自己的言論作出回應(yīng),蓄意制造事端;
    5)羞辱:貶低他人的能力、行為、生理或身份特征,讓對方難堪;
    6)謾罵:以不文明的語言對他人進(jìn)行負(fù)面評價(jià);
    7)歧視:煽動(dòng)人群歧視、地域歧視等,針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊;
    8)威脅:許諾以不良的后果來迫使他人服從自己的意志;


3. 發(fā)布垃圾廣告信息:以推廣曝光為目的,發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容,或進(jìn)行相關(guān)行為。主要表現(xiàn)為:
    1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式:
    2)單個(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容;
    3)多個(gè)廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容;
    4)多次發(fā)布包含欺騙性外鏈的內(nèi)容,如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等,誘騙用戶點(diǎn)擊鏈接
    5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光;
    6)購買或出售帳號之間虛假地互動(dòng),發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
    7)發(fā)布包含欺騙性的惡意營銷內(nèi)容,如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷;
    8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。


4. 色情低俗信息,主要表現(xiàn)為:
    1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述;
    2)涉及色情段子、兩性笑話的低俗內(nèi)容;
    3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容;
    4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想;
    5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適;
    6)炒作緋聞、丑聞、劣跡等;
    7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。


5. 不實(shí)信息,主要表現(xiàn)為:
    1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容;
    2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容;
    3)偽造身份、冒充他人,通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份,或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。


6. 傳播封建迷信,主要表現(xiàn)為:
    1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治?。?br />    2)求推薦算命看相大師;
    3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢;
    4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失,包括通過占卜方法問婚姻、前程、運(yùn)勢,東西寵物丟了能不能找回、取名改名等;


7. 文章標(biāo)題黨,主要表現(xiàn)為:
    1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶;
    2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲;
    3)使用夸張標(biāo)題,內(nèi)容與標(biāo)題嚴(yán)重不符的。


8.「飯圈」亂象行為,主要表現(xiàn)為:
    1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
    2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
    3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
    4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
    5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論,影響傳播秩序


9. 其他危害行為或內(nèi)容,主要表現(xiàn)為:
    1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的;
    2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的;
    3)美化、粉飾侵略戰(zhàn)爭行為的;
    4)法律、行政法規(guī)禁止,或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。


二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí),本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度,對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號,或者濫用多個(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí),本網(wǎng)站將加重處罰。


三、申訴
隨著平臺管理經(jīng)驗(yàn)的不斷豐富,本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的,將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議,可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)

我知道了
恭喜你~答對了
+5羽毛
下一次認(rèn)真讀哦
成功推薦給其他人
+ 10羽毛
評論成功且進(jìn)入審核!審核通過后,您將獲得10羽毛的獎(jiǎng)勵(lì)。分享本文章給好友閱讀最高再得15羽毛~
(羽毛可至 "羽毛精選" 兌換禮品)
好友微信掃一掃
復(fù)制鏈接