主题：【原创】哎呀，妈呀，被举报了！（0） -- 奔波儿

大家都知道，这个判罚系统是由“一直在改”弄出来的。刚出来的时候，估计用的是简单的线性加权公式，结果问题不少，比如：5个监察的判罚是“不违规”，1个监察则给出了“加重封”，最终结果成了“短封”，这明显是不合理的。记得当时，让大家很是抗议了一番。“一直在改”也虚心接受大家的意见，改动了一通，大家的牢骚渐渐也就少了。背后到底是个什么机制呢？

换言之，G(X)=Y所暗含的G到底是个啥东东？

既然已经知道了X，又知道了Y，就不怕这个G不出来。

先来个最简单的感知器（Perceptron），能出结果，但训练数据和测试数据都有错误，分别为1.25%和9.52%。

换一个，来个流行款的CNN（卷积神经网络），把“tensorflow”这把大牛刀也加上，效果不错，训练数据和测试数据均为100%的正确率。不过，没必要搞这么复杂，而且不好解释。

来个简单的，逻辑回归（Logistic Regression）和支持向量机（SVM），训练数据的误差很小，接近0,但测试数据的误差率还是不佳。看来单层分析的效果不怎么样。

还是用多层分析，比如决策树（Decison Tree），结果不错。无论是训练还是测试数据均达到0误差。上张图。

外链图片需谨慎，可能会被源头改

从上面这张图可以看出，在6个监察给出判罚以后，如果“不违规”的次数>=3，则帖子“不违规”。看来这个规矩一直没改。

反之，如果“不违规“的次数<3，则很有可能被判违规，唯一可以逃出樊笼的机会就是”难以判断“，不过，希望比较渺茫。

不过，这张图也反映出铁手的这个判罚系统依旧存在不合理的地方，比如，被投诉贴有太多机会，落入”短封“的陷阱，这明显是不合理的。正常的情况下，应该是“违规”>“短封”>“加重封”。我一直怀疑，铁手在其判罚系统中设有一个调解阈值，乱世用重典，太平岁月，则宽大为怀。

（4）监察业绩之KPI