數(shù)據(jù)挖掘的目的，就是從數(shù)據(jù)中找到更多的優(yōu)質(zhì)用戶。什么是有指導(dǎo)的數(shù)據(jù)挖掘方法模型，以及數(shù)據(jù)挖掘如何構(gòu)建模型。在構(gòu)建一個有指導(dǎo)的數(shù)據(jù)挖掘模型，首先要理解和定義一些模型試圖估計的目標變量。一個典型的案例，二元響應(yīng)模型，如為直接郵寄和電子郵件營銷活動選擇客戶的模型。模型的構(gòu)建選擇歷史客戶數(shù)據(jù)，這些客戶響應(yīng)了以前類似的活動。有指導(dǎo)數(shù)據(jù)挖掘的目的就是找到更多類似的客戶，以提高未來活動的響應(yīng)。

　　這構(gòu)造有指導(dǎo)的數(shù)據(jù)挖掘模型的過程中，首先要定義模型的結(jié)構(gòu)和目標。二、增加響應(yīng)建模。三、考慮模型的穩(wěn)定性。四、通過預(yù)測模型、剖析模型來討論模型的穩(wěn)定性。下面我們將從具體的步驟談起，如何構(gòu)造一個有指導(dǎo)的數(shù)據(jù)挖掘模型。

　　有指導(dǎo)數(shù)據(jù)挖掘方法：

　　把業(yè)務(wù)問題轉(zhuǎn)換為數(shù)據(jù)挖掘問題

　　選擇合適的數(shù)據(jù)

　　認識數(shù)據(jù)

　　創(chuàng)建一個模型集

　　修復(fù)問題數(shù)據(jù)

　　轉(zhuǎn)換數(shù)據(jù)以揭示信息

　　構(gòu)建模型

　　評估模型

　　部署模型

　　評估結(jié)果

　　重新開始
 

 
　　步驟：

　　1、把業(yè)務(wù)問題轉(zhuǎn)換為數(shù)據(jù)挖掘問題

　　《愛麗絲夢游仙境》中，愛麗絲說“我不關(guān)心去哪兒”。貓說：“那么，你走哪條路都沒什么問題”。愛麗絲又補充到：只要我能到達某個地方。貓：“哦，你一定能做到這一點，只要你能走足夠長的時間。”

　　貓可能有另外一個意思，如果沒有確定的目的地，就不能確定你是否已經(jīng)走了足夠長的時間。

　　有指導(dǎo)數(shù)據(jù)挖掘項目的目標就是找到定義明確的業(yè)務(wù)問題的解決方案。一個特定項目的數(shù)據(jù)挖掘目標不應(yīng)該是廣泛的、通用的條例。應(yīng)該把那些廣泛的目標，具體化，細化，深入觀察客戶行為可能變成具體的目標：

　　OAt: none; letter-spacing: normal; color: rgb(0,0,0); word-spacing: 0px; -webkit-text-stroke-width: 0px">· 確定誰是不大可能續(xù)訂的客戶

　　· 為以家庭為基礎(chǔ)的企業(yè)客戶設(shè)定一個撥打計劃，該計劃將減少客戶的退出率

　　·確定那些網(wǎng)絡(luò)交易可能是欺詐

　　·如果葡萄酒和啤酒已停止銷售，列出處于銷售風(fēng)險的產(chǎn)品

　　·根據(jù)當前市場營銷策略，預(yù)測未來三年的客戶數(shù)量

　　有指導(dǎo)數(shù)據(jù)挖掘往往作為一個技術(shù)問題，即找到一個模型以解釋一組輸入變量與目標變量的關(guān)系。這往往是數(shù)據(jù)挖掘的中心，但如果目標變量沒有正確的定義以及沒有確定適當?shù)妮斎胱兞�。反過來，這些任務(wù)又取決于對要解決的業(yè)務(wù)問題的理解程度。沒有正確的理解業(yè)務(wù)問題就沒辦法把數(shù)據(jù)轉(zhuǎn)化為挖掘任務(wù)。在技術(shù)開始之前，必須認識兩個問題:如何使用結(jié)果？以何種方式交付結(jié)果？

　　上述兩個問題，都是建立在客戶的真正需求是什么？而不是作為數(shù)據(jù)挖掘工程師認為的什么是有用的數(shù)據(jù)，什么對客戶最好的數(shù)據(jù)。這些結(jié)果看似有利于客戶提高銷售額，但是我們交付的結(jié)果是什么，我們有理解客戶的需求嗎？所有前提，不要著急急著動手，先理解真正需求，不可盲目主斷。

　　1.1如何使用結(jié)果？

　　例如：許多數(shù)據(jù)挖掘工作旨在提高客戶保留

　　·主動向高風(fēng)險或高價值的客戶提供一個優(yōu)惠，挽留他們

　　· 改變獲取渠道的組合，以利于那些能帶來最忠實客戶的渠道

　　·預(yù)測未來幾個月的客戶數(shù)量

　　·改變會影響客戶的滿意度的產(chǎn)品的缺陷

　　這些目標都會對數(shù)據(jù)挖掘過程產(chǎn)生影。響。通過電話或直接郵寄的營銷活動接觸現(xiàn)有客戶，意味著除了確定客戶風(fēng)險之外，你要了解為什么他們處于風(fēng)險中，從而可以構(gòu)造一個有吸引力的優(yōu)惠。電話，不能過早或過遲。預(yù)測意味著除了確定那些客戶可能離開，確定有多少新客戶加入，以及他們會停留多久。而新客戶的加入，不只是意味著預(yù)測模型要解決的問題，還是被納入到業(yè)務(wù)目標和預(yù)算之中。

　　1.2如何交付結(jié)果？

　　有指導(dǎo)的數(shù)據(jù)挖掘項目可能會產(chǎn)生幾個不同類型的交付形式。交付形式往往是一個報表或充滿圖標和圖形的簡報。交付形式會影響數(shù)據(jù)挖掘的結(jié)果。當我們的目的是提醒銷售驚雷時，產(chǎn)生一個營銷測試的客戶列表是不夠的。所謂的如何交付結(jié)果，就是在挖掘結(jié)果產(chǎn)生之后，我們要如何給用戶提供這個結(jié)果，目的是好的，但實際的過程中會遇到，會遇到我們沒有辦法去交付這個結(jié)果。因為，你交付的結(jié)果，可能會導(dǎo)致一些本不該流失的客戶，卻流失了。這也是在具體工作之前，我們要考慮的問題。

　　數(shù)據(jù)挖掘人員的作用是確保業(yè)務(wù)問題的最后表述可以被轉(zhuǎn)換成一個技術(shù)問題。前提是正確的業(yè)務(wù)問題。

　　2、擇合適的數(shù)據(jù)

　　2.1什么數(shù)據(jù)可用？

　　尋找客戶數(shù)據(jù)的首要地方就是企業(yè)數(shù)據(jù)倉庫。倉庫中的數(shù)據(jù)已經(jīng)被清洗和核實過，并且多個數(shù)據(jù)源被整合到一起。一個單一的數(shù)據(jù)模型有望確保命名相似的字段在整個數(shù)據(jù)庫和兼容的數(shù)據(jù)類型中都有相同的含義。企業(yè)數(shù)據(jù)庫是一個歷史數(shù)據(jù)庫，新數(shù)據(jù)不斷的被追加，但歷史數(shù)據(jù)一直不變。從這一點更有利于做決策支持。

　　問題在于，在許多企業(yè)組織中，這樣的數(shù)據(jù)倉庫實際上并不存在，或者存在一個或多個數(shù)據(jù)倉庫，不符合直接作為規(guī)范的數(shù)據(jù)用來挖掘。在這種情況下，挖掘人員，必須尋求來自不同的部門的數(shù)據(jù)庫和業(yè)務(wù)系統(tǒng)內(nèi)的數(shù)據(jù)。業(yè)務(wù)系統(tǒng)數(shù)據(jù)是指執(zhí)行一個特定的任務(wù)，如網(wǎng)站運行，索賠處理，完成呼叫或賬單處理。它們的目標是快速、準確的處理事務(wù)，數(shù)據(jù)可以保存成任何格式。而這些對于沒有數(shù)據(jù)倉庫的一些企業(yè)來說，這些數(shù)據(jù)往往是隱藏的很深，需要大量的企業(yè)調(diào)度和規(guī)劃來整理這些數(shù)據(jù)。這也就談到了一個問題：就是數(shù)據(jù)倉庫對一家企業(yè)的重要性，而建立企業(yè)級數(shù)據(jù)倉庫，需要的決策不是一個經(jīng)理就可以完成的，這可能需要企業(yè)級最高領(lǐng)導(dǎo)下令，下面的所有部門全部配合。

　　在企業(yè)總確定哪些數(shù)據(jù)可用是相當困難的。因為許多的文檔會丟失或過時。通常情況下，沒有一個人可以提供所有答案。確定什么數(shù)據(jù)可用，需要遍歷數(shù)據(jù)字典，了解具體的業(yè)務(wù)，溝通每個部門，訪問用戶和DBA，審查現(xiàn)有的報告以及查找數(shù)據(jù)本身是否有用。還有些問題，不僅需要有關(guān)客戶的數(shù)據(jù)，還需要潛在的客戶的數(shù)據(jù)。當需要這些數(shù)據(jù)的時候，外部資源和業(yè)務(wù)系統(tǒng)，如Web日志、呼叫詳細記錄、呼叫中心系統(tǒng)、有時甚至是郵件或電子表格，這些都是數(shù)據(jù)信息的來源。

　　數(shù)據(jù)挖掘工作的方式并不是一直等到完美和干凈的數(shù)據(jù)才進行下一步工作。雖然需要額外干凈的數(shù)據(jù)，但是受挖掘必須能夠使用目前的數(shù)據(jù)，提前入手，開始工作。

　　2.2多少數(shù)據(jù)才足夠？

　　一、數(shù)據(jù)越多越好，更多意味著更好。在建模期間，必須對模型集進行平衡，使得每個結(jié)果的數(shù)目都相等。如果在一個大規(guī)模的樣本中有一個比例很小的稀有數(shù)據(jù)，則一個較小的、均衡的樣本會更受歡迎。

　　二、當模型集足以建立良好的、穩(wěn)定的模型時，使它更大將會產(chǎn)生相反的作用，因為這時需要更長時間在更大的模型上去運行，由于數(shù)據(jù)挖掘是一個反復(fù)的過程，這就導(dǎo)致時間的浪費。如果一次建模例程的運行都需要數(shù)小時而不是數(shù)分鐘，這個時間的消耗就耗不起的。這就導(dǎo)致，在模型確定后，數(shù)據(jù)并不是越多越好。

　　2.3需要多久的歷史？

　　數(shù)據(jù)挖掘使用過去的數(shù)據(jù)預(yù)測未來。但是，數(shù)據(jù)需要來自多久的過去？這個沒有定性的回答，這要考慮很多的因素。另一方面，歷史上太久的數(shù)據(jù)未必對數(shù)據(jù)挖掘有用，因為市場環(huán)境在變化，特別是當一些外部事件（如監(jiān)管制度的變化）進行了干預(yù)時尤其如此。對于許多以客戶為中心的應(yīng)用，2-3年的歷史是合適的。然而，在這種情況下，客戶關(guān)系確實存在有效才被證明是有價值的，那么重要的是什么：最初的渠道是什么？最初的報價是什么？客戶最初怎么支付的等。

　　多少變量：

　　不熟練數(shù)據(jù)挖掘的人員有時太急于拋出不太可能有意義的變量，且只保存了他們認為重要的幾個精心挑選的變量。數(shù)據(jù)挖掘方法要求數(shù)據(jù)本身能揭示它重要或不重要。

　　通常情況下當與其他變量結(jié)合使用時，原先被忽視的變量會具有預(yù)測價值。例如：一個信用卡者從未把把現(xiàn)金刷沒又繼續(xù)刷，通過數(shù)據(jù)挖掘發(fā)現(xiàn)他們僅在11月和12月才會使用用信用卡墊付。據(jù)推測，這些人非常謹慎，大部分時間他們都避免因多刷而產(chǎn)生的高利息，謹慎也推斷出一個結(jié)論（他們比習(xí)慣使用現(xiàn)金墊款的人更加不太可能選擇拖欠欠款），但在假期，他們需要一些額外的現(xiàn)金，并愿意為此付出較高的利息。

　　2.4數(shù)據(jù)必須包含什么?

　　最低限度，數(shù)據(jù)必須包含有可能有意義的結(jié)果的例子。有指導(dǎo)數(shù)據(jù)挖掘的目的是預(yù)測一個特定目標變量的值，但在有指導(dǎo)的數(shù)據(jù)挖掘中，模型集必須由分類好的數(shù)據(jù)組成。要區(qū)分哪些人拖欠貸款哪些人不可能拖欠，模型集的每個類都需要有成千上萬的例子。當一個新的申請產(chǎn)生時，他的申請會與過去的客戶的申請進行對比，可以直接把新的申請歸類。這其中隱含的意思：數(shù)據(jù)可用來形容過去發(fā)生了什么事情，從錯誤總吸取教訓(xùn)，首先我們必須識別我們已經(jīng)犯了什么錯。

　　3、認識數(shù)據(jù)

　　在數(shù)據(jù)用于構(gòu)建模型之前，在探索數(shù)據(jù)上花費時間的重要性通常沒有得到足夠的重視。后面我們會抽出絕對的篇幅來說明這個問題。優(yōu)秀的數(shù)據(jù)挖掘工程師似乎非常依賴直覺——例如，某種程度上能夠猜測將要派生的變量結(jié)果如何。要在陌生的數(shù)據(jù)集中利用直覺來感應(yīng)發(fā)生了什么事情，唯一辦法就是陷入數(shù)據(jù)之中，你會發(fā)現(xiàn)許多數(shù)據(jù)質(zhì)量的問題，并能夠得到啟發(fā)提出在其他情況下不容易被發(fā)現(xiàn)的問題。

　　3.1檢查分布

　　在數(shù)據(jù)庫的初步探索階段，數(shù)據(jù)可視化工具非常有益，如：散列圖、條形圖、地理地圖、Excel等可視化工具對觀察數(shù)據(jù)提供了強大的支持。

　　當你開始著手一個新數(shù)據(jù)源中的數(shù)據(jù)文件，就應(yīng)該剖析數(shù)據(jù)了解到底發(fā)生了什么，包括計數(shù)和每個字段的匯總統(tǒng)計，分類變量不同值的數(shù)量，并在適當?shù)那闆r下，需要基于產(chǎn)品和區(qū)域的交叉統(tǒng)計表。除了提供對數(shù)據(jù)的了解，剖析工作可能會產(chǎn)生不一致問題或定義問題的警告，這些問題可能會對后面的分析造成麻煩。

　　3.2值與描述的比較

　　觀察每個變量的值，并把它們與現(xiàn)有文件中的變量描述進行比較。這項工作可以發(fā)現(xiàn)不準確或不完整的數(shù)據(jù)描述。其實是，你記錄的數(shù)據(jù)，是否和你要描述的數(shù)據(jù)一致，這個要先確定。目的是什么？在實際的數(shù)據(jù)挖掘過程中，你要去揣測這個字段的數(shù)據(jù)到底是什么意思？如果業(yè)務(wù)人員知道，那是最好的了。如果業(yè)務(wù)人員都不知道，這個時候，可能就需要憑借經(jīng)驗去揣測了，而且這種情況經(jīng)常發(fā)生，字段定義不明確。

　　3.3詢問大問題

　　如果數(shù)據(jù)看上去似乎不明智或者不如所愿，記錄下來。數(shù)據(jù)探索過程的一個重要輸出是對提供該數(shù)據(jù)的人給出一個問題列表。通常，這些問題將需要進一步研究，因為很少有用戶像數(shù)據(jù)挖掘工程師一樣仔細地觀察數(shù)據(jù)。對數(shù)據(jù)的探索的前期工作，判斷字段，含義，是否有用，是否缺失，是否有問題等一系列問題，需要大量的工作，同時也是一件心細的過程。

　　4、創(chuàng)建一個模型集

　　模型集包含建模過程中使用的所有數(shù)據(jù)。模型集中的一些數(shù)據(jù)被用來尋找模式，對于一些技術(shù)，模型集中的一些數(shù)據(jù)被用來驗證該模型是否穩(wěn)定。模型集也可用來評估模型的性能。創(chuàng)建一個模型集需要從多個數(shù)據(jù)源聚合數(shù)據(jù)以形成客戶簽名，然后準備數(shù)據(jù)進行分析。

　　4.1聚合客戶簽名

　　模型集是一個表或一系列表，每一行表示一個要研究的項目，而字段表示該項目有利于建模的一切。當數(shù)據(jù)描述客戶時，模型集的行通常稱為客戶簽名�？蛻艉灻�，每個客戶都由他離開的蹤跡唯一確定，你可以利用蹤跡充分的了解每個客戶。

　　從關(guān)系型數(shù)據(jù)庫中聚合客戶簽名旺旺需要復(fù)雜的查詢，這些查詢往往需要關(guān)聯(lián)很多的表去查詢的數(shù)據(jù)，然后利用其他來源的數(shù)據(jù)增強結(jié)果。聚合數(shù)據(jù)的一部分過程是使數(shù)據(jù)位于正確的匯總層次，然后每一行都包含先關(guān)客戶的所有信息。

　　4.2創(chuàng)建一個平衡的樣本

　　在標準的統(tǒng)計分析中，一種常見的做法是拋棄離群點——遠遠超出正常范圍的觀測值。然而在數(shù)據(jù)挖掘的過程中，這些利群點可能正是你要找的�；蛟S他們帶有欺詐行為，可能是你的業(yè)務(wù)中的一些錯誤，或一些利潤驚人的市場商機。在這種情況下，我們不希望拋出離群點，認識和了解他們。

　　知識發(fā)現(xiàn)算法需通過實例來進行學(xué)習(xí)。如果沒有足夠數(shù)量的關(guān)于某個特定類或行為模型的例子，數(shù)據(jù)挖掘工具無法得出一個預(yù)測該類或模式的模型。在這種情況下，利用罕見事件的例子豐富該模型集，提高建模中該事件的概率。如果比較罕見，有兩種方法可以平衡樣本：一、分層抽樣。二、權(quán)重。

　　例如：銀行要建立一個模型，以確定哪些客戶是私人銀行計劃的潛在客戶。這些計劃只針對非常富有的客戶，他們在一個相當大的銀行客戶樣本中也是非常稀少的。如何構(gòu)建一個能發(fā)現(xiàn)這類用戶的模型，該模型集可能需要有50%的私人銀行的客戶，即使他們代表所有支票份額中還不到1%。另外私人銀行客戶可能被賦予一個值為1的權(quán)重，其他客戶的權(quán)重為0.01，所以浙西專有客戶的總權(quán)重等于其余客戶的總權(quán)重。通過增加一些孤立點客戶的權(quán)重，從而達到模型對數(shù)據(jù)的合理梳理。

　　4.3時間幀

　　基于一個時間段內(nèi)的數(shù)據(jù)建立模型會增加風(fēng)險，即學(xué)習(xí)的知識不真實。結(jié)合模型集中的多個時間幀可以消除季節(jié)性因素的影響。由于季節(jié)性影響如此重要，因此應(yīng)該把它們明確地添加到客戶簽名中。還有假日購物模式也非常重要。把客戶的信息按照時間細分，或是在相應(yīng)的數(shù)據(jù)上打上標簽。

　　4.4創(chuàng)建一個預(yù)測模型

　　當模型集用來預(yù)測時，另一個問題，模型集應(yīng)包含多長時間，時間段該如何劃分。任何客戶標簽在預(yù)測變量和目標變量之間都應(yīng)該有一個時間差。時間可分為，過去、現(xiàn)在、將來。當然所有數(shù)據(jù)都來自過去，過去又分為三個時期：遙遠的過去、不太遙遠的過去和最近。預(yù)測模型就是要發(fā)現(xiàn)遙遠的過去的模型，用來解釋最近的輸出。當部署模型時，它能夠使用最近的數(shù)據(jù)預(yù)測未來。如果構(gòu)建一個模型來利用6月份（不太遙遠的過去）的數(shù)據(jù)對7月份（最近）進行預(yù)測，那么在8月份之前的數(shù)據(jù)是可用的，但它不能用來對9月份進行預(yù)測。但是8月份的數(shù)據(jù)是可用的嗎？肯定不是，因為這時，數(shù)據(jù)仍在產(chǎn)生數(shù)據(jù)。也不會是9月份的第一周，因為這些數(shù)據(jù)需要被收集、清洗、加載、測試和認可。8月份的數(shù)據(jù)可能要懂啊9月份中旬或10月才能用，到這個時候，沒人會擔(dān)心9月份的預(yù)測了。解決的辦法是在模型集中跳過1個月。

　　4.5創(chuàng)建一個剖析模型集

　　剖析模型集與測試模型相似，但有一點：目標的時間幀與輸入的時間幀重疊。看微小的差別對建模工作的影響卻很大。因為輸入可能會“污染”目標模式。例如：銀行，擁有投資賬戶的客戶在儲蓄賬戶中往往有非常低的結(jié)余——因為他們能從投資賬戶中得到更好的回報。這是否意味著銀行要為了投資賬戶而識別低存儲賬戶余額的客戶呢？可能不需要，因為這些客戶的資產(chǎn)很少。

　　解決這個問題的一種方法是非常仔細得選擇剖析模型的輸入。把所有賬戶余額組合到“儲蓄”，“貸款”兩組。儲蓄組包括所有類型的儲蓄和投資。這種方法非常有效，事實證明模型是穩(wěn)定的。一個更好的辦法：開通投資賬戶之前對賬戶產(chǎn)生一個模型。一個并發(fā)的問題是：由于每一個客戶的時間幀都取決于客戶開通賬戶的時間，建立這樣一個模型集面臨更多的困難。

　　當目標變量的時間幀與輸入變量的時間幀相同時，那么該模型是一個剖析模型，并且這個輸入可能會引入一些似是而非的模式，而這些模式可能會混淆數(shù)據(jù)挖掘技術(shù)。你需要非常小心地選擇輸入或者重建模型集來產(chǎn)生預(yù)測模型。

　　4.6劃分模型集

　　當你從適當?shù)臅r間幀中獲得預(yù)分好的數(shù)據(jù)后，有指導(dǎo)數(shù)據(jù)挖掘房峰輝把它分為三個部分。一、訓(xùn)練集，用戶建立初始模型。二、驗證集，用于調(diào)整初始模型，減少其與訓(xùn)練集特性的額綁定，從而更具一般性。三、測試集，用來衡量吧模型應(yīng)用與未知的數(shù)據(jù)時可能產(chǎn)生的效果。三個數(shù)據(jù)集是必要的，因為若某個數(shù)據(jù)已在此過程中的某一步使用過，那么它包含的信息就已經(jīng)成為模型的一部分。因此，它不能用來修正或判斷模型。

　　我們往往很難理解為什么訓(xùn)練集和驗證集被用來建立模型之后就會成為“污點”。這就好比你參加考試，你認為這題你做的是正確的，老師讓你去預(yù)測考試成績，你顯然認為分數(shù)很高，因為你認為，如果沒有答案，第二天在參加同樣的考試，你的想法不會改變。這時候，你的系統(tǒng)中沒有一個新的標準，這時，你需要的是一個驗證集。

　　現(xiàn)在，想象一下測試結(jié)果以后，估分之前老師讓你看看你同學(xué)的幾個試卷。如果他們都和你的結(jié)果不一樣，這時候，你可能會把你自己的答案標記為一個錯誤的答案。如果第二天老師給出了正確的結(jié)果，這個時候讓你再去做同樣的的試卷，你可能得出的就是不同的結(jié)果。這就是為什么驗證集應(yīng)該不同于測試集的原因。

　　對于預(yù)測模型，一個好主意是測試集所在的時間段與訓(xùn)練集和驗證集的時間段不同。一個模型的穩(wěn)定性證據(jù)在于它在連續(xù)的月份中都能夠良好的運行。來自不同的時間段的測試集，也稱為不合時宜的測試集，雖然這樣的測試集并不總是可用，但是它是驗證模型穩(wěn)定性的一個很好的方法。

核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標題：構(gòu)建一個有指導(dǎo)的數(shù)據(jù)挖掘模型（上）

本文網(wǎng)址：http://www.ezxoed.cn/html/consultation/10839716660.html