很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請(qǐng)把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒?qǐng)聯(lián)系：鳥哥筆記小羽毛（ngbjxym）
做電商商城已經(jīng)成為熱門行業(yè)，傳統(tǒng)電子商務(wù)的幾種商業(yè)模式分別為B2B、B2C、C2C、C2B、O2O等。今天我們著重研究一下B2C模式。
B2C模式，是指進(jìn)行電子商務(wù)交易的供方是商家（或企業(yè)、公司），買方是個(gè)人消費(fèi)者，他們利用互聯(lián)網(wǎng)技術(shù)和電子商務(wù)平臺(tái)完成交易。隨著我國(guó)電子商務(wù)不斷的發(fā)展，B2C模式也衍生了不同類型的商業(yè)模式，具體可分為四類，如下表：
其中，京東、天貓的盈利方式：特許加盟、虛擬店鋪出租費(fèi)、廣告費(fèi)、技術(shù)服務(wù)費(fèi)等。
商業(yè)理解（Business understanding）該階段是數(shù)據(jù)挖掘中最重要的一個(gè)部分，在這個(gè)階段里需要明確商業(yè)目標(biāo)、評(píng)估商業(yè)環(huán)境、確定挖掘目標(biāo)以及產(chǎn)生一個(gè)項(xiàng)目計(jì)劃。
數(shù)據(jù)理解（Data understanding）：在數(shù)據(jù)理解過程中我們要知道都有些什么數(shù)據(jù)，這些數(shù)據(jù)的特征是什么，可以通過對(duì)數(shù)據(jù)的描述性分析得到數(shù)據(jù)的特征。
了解數(shù)據(jù)集基本特征 info；
查看數(shù)據(jù)分布情況 describe；
查看缺失值及占比，對(duì)缺失值過多（大于80%）的數(shù)據(jù)進(jìn)行刪除。
數(shù)據(jù)準(zhǔn)備（Data preparation）：在該階段我們需要對(duì)數(shù)據(jù)作出提取、清洗、合并、標(biāo)準(zhǔn)化等工作。選出要進(jìn)行分析的數(shù)據(jù)，并對(duì)不符合模型輸入要求的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化操作。
缺失值處理的幾點(diǎn)建議：
小于20%采取方案補(bǔ)充；
20%～50%之間采取多值離散化；
50%～80%之間采取二值離散化；
大于80%的刪除。
不平衡數(shù)據(jù)處理
所謂的不平衡數(shù)據(jù)集指的是數(shù)據(jù)集各個(gè)類別的樣本量極不均衡。以二分類問題為例，假設(shè)正類的樣本數(shù)量遠(yuǎn)大于負(fù)類的樣本數(shù)量，通常情況下把多數(shù)類樣本的比例接近100:1的數(shù)據(jù)稱為不平衡數(shù)據(jù)。
不平衡數(shù)據(jù)的場(chǎng)景出現(xiàn)在互聯(lián)網(wǎng)應(yīng)用的方方面面，如搜索引擎的點(diǎn)擊預(yù)測(cè)（點(diǎn)擊的網(wǎng)頁往往占據(jù)很小的比例），電子商務(wù)領(lǐng)域的商品推薦（推薦的商品被購(gòu)買的比例很低），信用卡欺詐檢測(cè)，網(wǎng)絡(luò)攻擊識(shí)別等等。
常用的處理方式如下：
建立模型（Modeling）：需要根據(jù)分析目標(biāo)選出適合的模型工具，通過樣本建立模型并對(duì)模型進(jìn)行評(píng)估。
模型評(píng)估（Evaluation）：一方面利用挖掘工具自帶評(píng)估模型進(jìn)行挖掘模型效果評(píng)估，如準(zhǔn)確率、精確度等；另一方面，抽樣一部分結(jié)果進(jìn)行調(diào)研驗(yàn)證分析。
模型評(píng)估的意義
在完成模型構(gòu)建之后，必須對(duì)模型的效果進(jìn)行評(píng)估，根據(jù)評(píng)估效果來繼續(xù)調(diào)整模型的參數(shù)、特征或者算法，以達(dá)到滿意的結(jié)果。
評(píng)價(jià)一個(gè)模型最簡(jiǎn)單也是最常用的指標(biāo)就是準(zhǔn)確率，但是在沒有任何前提下使用準(zhǔn)確率作為評(píng)價(jià)指標(biāo)，準(zhǔn)確率往往不能反映一個(gè)模型性能的好壞，例如在不平衡的數(shù)據(jù)集上，正類樣本占總數(shù)的95%，負(fù)類樣本占總數(shù)的5%。那么有一個(gè)模型把所有樣本全部判斷為正類，該模型也能達(dá)到95%的準(zhǔn)確率，但是這個(gè)模型沒有任何的意義。
因此，對(duì)于一個(gè)模型，我們需要從不同的方面去判斷它的性能。在對(duì)比不同模型的能力時(shí)，使用不同的性能度量往往會(huì)導(dǎo)致不同的評(píng)價(jià)結(jié)果。
這意味著模型的好壞是相對(duì)的，什么樣的模型是好的，不僅取決于算法和數(shù)據(jù)，還決定于任務(wù)需求。例如醫(yī)院中監(jiān)測(cè)病人是否有心臟病的模型，那么這個(gè)模型的目標(biāo)是將所有有病的人給監(jiān)測(cè)出來，即使會(huì)有許多誤診（將沒有病監(jiān)測(cè)為有?。?。
再例如，在警察追捕罪犯的模型上，該模型的目標(biāo)是將罪犯準(zhǔn)確的識(shí)別出來，而不希望有過多的誤判（將正常人認(rèn)為是罪犯）。所以不同的任務(wù)需求，模型的訓(xùn)練目標(biāo)不同，因此評(píng)價(jià)模型性能的指標(biāo)也會(huì)有差異。
根據(jù)模型選擇其模型評(píng)估方式
下面以二分類為例，對(duì)分類模型中的常用指標(biāo)進(jìn)行說明與總結(jié)。
混淆矩陣（Confusion Matrix）
真正（True Positive，TP）：實(shí)際為正預(yù)測(cè)為正；
假正（False Positive，F(xiàn)P）：實(shí)際為負(fù)但預(yù)測(cè)為正；
假負(fù)（False Negative，F(xiàn)N）：實(shí)際為正但預(yù)測(cè)為負(fù)；
真反（True Negative，TN）：實(shí)際為負(fù)預(yù)測(cè)為負(fù)。
1. 準(zhǔn)確率（Accuracy）
2. 精確率（Precision）
精確率：預(yù)測(cè)正確的正樣本，預(yù)測(cè)出是正的里面有多少真正是正的，也稱查準(zhǔn)率。
3. 召回率（Recall）
召回率：實(shí)際正樣本中，分類器能預(yù)測(cè)出多少。與真正率相等，可理解為查全率。
4. F值
F值：精確率和召回率加權(quán)調(diào)和平均數(shù)，并假設(shè)兩者一樣重要。
5. ROC曲線和AUC
AUC（Area Under the ROC Curve）指標(biāo)是在二分類問題中，模型評(píng)估階段常用作最重要的評(píng)估指標(biāo)來衡量模型的穩(wěn)定性。
根據(jù)混淆矩陣，還可以得到另外兩個(gè)指標(biāo)：
真正率（True Positive Rate，TPR）：即被預(yù)測(cè)為正的正樣本數(shù)/正樣本實(shí)際數(shù)。
假正率（False Positive Rate，F(xiàn)PR）：即被預(yù)測(cè)為正的負(fù)樣本數(shù)/負(fù)樣本實(shí)際數(shù)。
ROC曲線，Y軸TPR，X軸FPR，作圖，便得到了ROC曲線，而AUC則是ROC曲線下的面積。
AUC=1 最理想；0.7～0.9準(zhǔn)確率比較高；0.5無診斷價(jià)值。
概率，默認(rèn)閾值0.5。
ROC曲線作用：1. 確定閾值，2. 得到AUC面積。
按照數(shù)據(jù)集的目標(biāo)值選擇模型，目標(biāo)值為連續(xù)型的需要采用回歸模型。
1. 平均絕對(duì)誤差
平均絕對(duì)誤差（Mean Absolute Error，MAE）：又被稱為L(zhǎng)1范數(shù)損失。MAE是基于誤差的絕對(duì)值，而非平方差，因此相比較于MSE與RMSE來說更直觀地體現(xiàn)出預(yù)測(cè)值和實(shí)際值的差距。
Python Sklearn ：
1 print("MAE:", metrics.mean_absolute_error(y_test, pred))
2. 均方誤差
均方誤差（Mean Squared Error，MSE），觀測(cè)值與真值偏差的平方和與觀測(cè)次數(shù)的比值。
Python Skearn：
from sklearn import metrics
print("MSE:", metrics.mean_squared_error(y_test, pred))這也是線性回歸中最常用的損失函數(shù)，線性回歸過程中盡量讓該損失函數(shù)最小。那么模型之間的對(duì)比也可以用它來比較。
MSE可以評(píng)估數(shù)據(jù)的變化程度，MSE的值越小，說明預(yù)測(cè)模型描述實(shí)驗(yàn)數(shù)據(jù)具有更好的精確度。
MSE可以衍生得到均方根方差（Root Mean Square Error，RMSE），和本身的目標(biāo)值有關(guān)系，不同數(shù)據(jù)源不能對(duì)比模型的優(yōu)劣。
3. R^2判定系數(shù)
注：SSR 回歸平方和，SSE 殘差平方和，SST 總離差平方和。
Python Sklearn：
數(shù)學(xué)理解：分母理解為原始數(shù)據(jù)的離散程度，分子為預(yù)測(cè)數(shù)據(jù)和原始數(shù)據(jù)的誤差，二者相除可以消除原始數(shù)據(jù)離散程度的影響。其實(shí)，R^2判定系數(shù)是通過數(shù)據(jù)的變化表征一個(gè)擬合的好壞。
正常取值范圍為[0,1]——實(shí)際操作中通常會(huì)選擇擬合較好的曲線計(jì)算R^2。越接近1，表明方程的變量對(duì)目標(biāo)值的解釋能力越強(qiáng)，這個(gè)模型對(duì)數(shù)據(jù)擬合的也較好；越接近0，表明模型擬合的越差。經(jīng)驗(yàn)值：>0.4，擬合效果好。
數(shù)據(jù)集的樣本越大，R^2越大，因此，不同數(shù)據(jù)集的模型結(jié)果比較會(huì)有一定的誤差。
1. 誤差平方和
誤差平方和（Sum of Square Error，SSE），刻畫的簇內(nèi)的凝聚程度。
注：m為簇的中心點(diǎn)，p為簇內(nèi)的點(diǎn)，c為一個(gè)簇，k為簇的個(gè)數(shù)。
肘點(diǎn)法則：下降率突然變緩時(shí)即認(rèn)為是最佳的k值（隨著簇?cái)?shù)越多，SSE越?。?。
2. 輪廓系數(shù)
輪廓系數(shù)（Silhouette Coefficient，SI）是聚類效果好壞的一種評(píng)價(jià)方式。最早由Peter J. Rousseeuw 在1986年提出。它結(jié)合內(nèi)聚度和分離度兩種因素?？梢杂脕碓谙嗤紨?shù)據(jù)的基礎(chǔ)上用來評(píng)價(jià)不同算法、或者算法不同運(yùn)行方式對(duì)聚類結(jié)果所產(chǎn)生的影響。
方法：
1）計(jì)算樣本i到同簇其他樣本的平均距離ai。ai越小，說明樣本i越應(yīng)該被聚類到該簇。將ai稱為樣本i的簇內(nèi)不相似度。簇C中所有樣本的ai均值稱為簇C的簇不相似度。
2）計(jì)算樣本i到其他某簇Cj的所有樣本的平均距離bij，稱為樣本i與簇Cj的不相似度。定義為樣本i的簇間不相似度：
bi=min{bi1, bi2, ……, bik}，bi越大，說明樣本i越不屬于其他簇。
3）根據(jù)樣本i的簇內(nèi)不相似度ai和簇間不相似度bi，定義樣本i的輪廓系數(shù)。
那么i向量輪廓系數(shù)就為：
a(i)：i向量到同一簇內(nèi)其他點(diǎn)不相似程度的平均值。
b(i)：i向量到其他簇的平均不相似程度的最小值。
判斷：
1）輪廓系數(shù)范圍在[-1, 1]之間。該值越大，越合理。SI接近1，則說明樣本i聚類合理；SI接近-1，則說明樣本i更應(yīng)該分類到另外的簇。
2）若SI近似為0，則說明樣本i在兩個(gè)簇的邊界上。
3）所有樣本的SI的均值稱為聚類結(jié)果的輪廓系數(shù)，是該聚類是否合理、有效的度量。
將所有點(diǎn)的輪廓系數(shù)求平均，就是該聚類結(jié)果總的輪廓系數(shù)。
3. CH系數(shù)
CH系數(shù)（Calinski-Harabasz Index）：類別內(nèi)部數(shù)據(jù)的協(xié)方差越小越好，類別之間的協(xié)方差越大越好。這樣Calinski-Harabasz分?jǐn)?shù)s會(huì)高，分?jǐn)?shù)s高則聚類效果越好。
tr為矩陣的跡，Bk為類別之間的協(xié)方差矩陣，Wk為類別內(nèi)部數(shù)據(jù)的協(xié)方差矩陣。
m為訓(xùn)練集樣本數(shù)，k為類別數(shù)。
使用矩陣的跡進(jìn)行求解的理解：矩陣的對(duì)角線可以表示一個(gè)物體的相似性。
在機(jī)器學(xué)習(xí)里，主要為了獲取數(shù)據(jù)的特征值，那么就是說，在任何一個(gè)矩陣計(jì)算出來之后，都可以簡(jiǎn)單化，只要獲取矩陣的跡，就可以表示這一塊數(shù)據(jù)的最重要的特征了，這樣就可以把很多無關(guān)緊要的數(shù)據(jù)刪除掉，達(dá)到簡(jiǎn)化數(shù)據(jù)，提高處理速度。
CH需要達(dá)到的目的：用盡量少的類別聚類盡量多的樣本，同時(shí)獲得較好的聚類效果。
部署（Deployment）：得出模型的挖掘結(jié)果不是最終目標(biāo)，還需要考慮，如何更直觀可視化的進(jìn)行結(jié)果展示，如何提升數(shù)據(jù)挖掘結(jié)果對(duì)實(shí)際業(yè)務(wù)的支撐能力。隨著業(yè)務(wù)不斷發(fā)展，模型也需要隨之調(diào)整和優(yōu)化，在不斷的使用和優(yōu)化中持續(xù)發(fā)展。
-END-
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場(chǎng)，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對(duì)文章、圖片、字體等版權(quán)有疑問，請(qǐng)點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量?jī)?nèi)容的交流平臺(tái)。為落實(shí)國(guó)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(píng)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(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)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(guó)未成年人保護(hù)法》等法律法規(guī)，對(duì)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(duì)憲法所確定的基本原則；
2)危害國(guó)家安全，泄露國(guó)家秘密，顛覆國(guó)家政權(quán)，破壞國(guó)家統(tǒng)一，損害國(guó)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(guó)家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)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(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)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(duì)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(duì)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(duì)方對(duì)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(duì)方難堪；
6)謾罵：以不文明的語言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)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(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)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(gòu)買或出售帳號(hào)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(yíng)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(yíng)銷；
8)使用特殊符號(hào)、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(cè)字、占卜、解夢(mèng)、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對(duì)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(shì)，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(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)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(huì)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(píng)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(zhēng)行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)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(tái)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(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)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(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)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(tái)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(duì)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)