并无相关法律规定在淘宝上使用抢单软件犯法。
淘宝一般指淘宝网。淘宝网是亚太地区较大的网络零售、商圈，由阿里巴巴集团在2003年5月创立。
为提高用户淘宝广告点击率，通过分析淘宝用户广告点击记录及对应的用户信息和广告信息表，用python 进行数据合并后进行数据清洗、提取数据特征，做特征工程分析，分析影响用户点击广告的因素，建立简单逻辑回归模型，预测用户是否点击广告；
https://tianchi.aliyun.com/dataset/dataDetail?dataId=56
数据集简介（详情见数据集链接）：
数据集一共4个表，因为是广告点击预测，就用了前面三个表，表描述如下：
主表：raw_sample
以clk 作为后逻辑回归模型数据集标签，后面会改名称为flag
数据清洗：
以user id+ time_stamp查看，会有很多重复的记录。删除重复时间+用户ID，设置唯一标识；
查看目前数据集大小：
查看空值：
查看点击占比：
ad_feature
数据清洗：
查看重复值：
和主表做关联生成date1:
查看合并后的空值：
查看点击占比：
user_profile
查看重复值：
和date1做关联生成date2：
最终数据表信息：
查看点击比例：
删除不需要做分析的ID标识符字段：
最终数据表点击比例：
类别字段：男女占比/学生占比
时间字段：
数据集只有时间戳字段，我们从中提取星期数以及对应时间段来看时间趋势；
查看点击趋势：
对星期数再区分以便后面做特征提取
同样对小时进行分组方便后面的特征处理
连续型字段处理：
price：
查看广告价格描述性统计信息：
给广告价格分区：
时间字段可以删除：
查看目前缺失数据，需要填充缺失数据：
查看缺失占比，pvalue_level缺失的比较多，用一个特殊的数字填充，这里用的9999.0
空值填充：如果是数值类型，用平均值取代；如果是分类数据，用最常见的类别取代；
查看剩余连续数据的分布和描述性统计信息:
删除分完区的原始列：
把sex标准化变成0/1：
目前数据预览：
Age_leavel/wechat_group 分类太多，后面做特征编码的时候生成的特征太多，对它进行分区：
数据集重命名备份:
对前面提取的特征用使用get_dummies进行one-hot编码（类似的做法，就贴三个）
分类列stu我们编码后保留一个特征：
相关系数法：计算各个特征的相关系数
查看各个特征与点击情况（flag）的相关系数，ascending=False表示按降序排列：
截取了相关系数前后几个，都不高，用户本身广告点击率就很低；
广告价格、资源位、性别、商品类别、周五比较能影响用户点击；
根据各个特征与flag的相关系数大小，选择了这几个特征作为模型的输入:
建立训练数据集和测试数据集：
建立逻辑回归并计算逻辑正确率：
