机器学习的技术基础
AI + 计算社会科学微专业
第二课
郑思尧
上海交通大学 国际与公共事务学院
一个场景
你经常在美团/饿了么点外卖。
平台上一家新店，两个月收到了5,000 条评价。
老板想了解顾客到底满不满意。
哪些方面被吐槽最多。
一条条读，5,000 条 × 30 秒 = 42 小时，而且只是读完还没开始分析。
更头疼的是，很多评价不是一目了然的 阴阳怪气、先夸后贬、字面好评实际吐槽……
你自己读都得想一想，找实习生来帮忙更难保证一致性。
真实评价的多样性
同一家店的几条评价，类型各不相同
热情好评
「好吃到哭！！宫保鸡丁超大份，米饭粒粒分明，小哥还提前5分钟送到。以后就吃这家了，五星好评！」
愤怒差评
「等了一个小时外卖才到，饭都凉了，而且少了一份小菜。打电话给商家没人接。再也不点了。」
温吞评价
「一般般吧，味道说不上好也说不上差。配送速度还可以。没啥特别想说的。」
阴阳怪气
「嗯，花38块钱等了50分钟吃一盒糊了的炒饭，这体验真的很'独特'呢 :)」
先抑后扬
「本来没抱什么期望，结果意外地好吃！尤其是酸辣汤，料给得很足。下次还点。」
5,000 条里各种类型混在一起这就是机器学习要解决的问题
第一反应 写规则
面对 5,000 条评价，你的第一个想法可能是写一套规则
如果 评分 ≤ 2 星 → 不满意
如果 包含「难吃」「凉了」→ 不满意
如果 评分 ≥ 4 星 且 包含「好吃」→ 满意
如果 配送超过 45 分钟 → 不满意
……
这就是传统编程的思路 人类想好规则，写成代码，计算机负责执行。
规则为什么不够用
1
规则爆炸
写了 10 条还不够，20 条还有遗漏，规则之间还会互相矛盾
评分 4 星但包含「难吃」，到底满意还是不满意
2
语言太灵活
「花38块钱等了50分钟吃一盒糊了的炒饭，这体验真的很'独特'呢 :)」
没有任何关键词命中，但人一看就知道是差评
3
无法迁移
换一个行业（酒店、电影），规则全部要重写
外卖的「凉了」到了酒店变成「隔音差」「空调不制冷」
人类语言太复杂，靠穷举规则走不通
换一个思路 机器学习
传统编程
人写规则 + 数据 → 结果
规则是人想出来的
计算机只是执行
VS
机器学习
数据 + 答案 → 规则
规则是机器从数据里学出来的
人只需要提供例子和答案
规则不是人写的，是机器从数据里「学」出来的
这就是「机器学习」这个名字的由来
你每天都在用机器学习
垃圾邮件过滤
千万封邮件被标记为垃圾/正常
系统自动判断新邮件
购物推荐
淘宝记录你的浏览和购买
猜你下一次想买什么
语音助手
Siri / 小爱听你说话
把声音转成文字再理解意思
导航到达时间
从历史行驶数据中学规律
预测当前路况下要开多久
搜索引擎排序
你搜什么、点什么都是数据
搜索引擎学你想要什么结果
共同点 没有人写死规则，都是从大量数据中学出来的
人类的判断过程
用户评价 #2471
「等了一个小时外卖才到，饭都凉了，而且少了一份小菜。打电话给商家没人接。再也不点了。」
★ 1 星 | 配送时长 62 分钟 | 无图片
你秒判这是差评。你的大脑用到了以下线索
- 「饭都凉了」「再也不点了」 — 负面关键词，表达强烈不满
- 1 星评分 — 数字信号，直接量化态度
- 62 分钟配送 — 异常数值，远超正常 30 分钟
- 「少了一份小菜」「没人接」 — 具体事实，投诉内容的数量
- 无图片 — 行为信号，差评用户往往懒得拍照（但有时也会拍照维权）
你不自觉地在做一件事 把文字、数字、行为综合起来，形成判断。
机器学习做的事情一模一样只是它用数学来「综合」。
把「线索」变成「特征」
人看的是线索，机器看的是一张表格
一条条评价
非结构化文本
转化
一行行数据
每列一个特征（Feature）
特征 = 你认为对判断有帮助的线索，用数字或类别表示。
评分、配送时长、评价字数、是否包含「难吃」……都是特征。
特征表格 机器学习的起点
每行一条评价，每列一个特征，最后一列是「答案」
| # |
评分 |
配送(分钟) |
字数 |
含「难吃」 |
含「好吃」 |
有图片 |
感叹号数 |
标签 |
| 1 | 5 | 28 | 35 | 否 | 是 | 是 | 2 |
满意 |
| 2 | 1 | 62 | 48 | 否 | 否 | 否 | 0 |
不满意 |
| 3 | 4 | 31 | 12 | 否 | 否 | 否 | 0 |
满意 |
| 4 | 2 | 55 | 67 | 是 | 否 | 是 | 3 |
不满意 |
| 5 | 5 | 22 | 28 | 否 | 是 | 是 | 2 |
满意 |
| 6 | 3 | 35 | 18 | 否 | 否 | 否 | 0 |
满意 |
| 7 | 1 | 48 | 92 | 是 | 否 | 是 | 5 |
不满意 |
| 8 | 4 | 26 | 41 | 否 | 是 | 是 | 1 |
满意 |
| … |
… |
… |
… |
… |
… |
… |
… |
… |
← 特征（Features） 输入
标签（Label） 答案 →
注意 #6 评分只有 3 分但标为满意、#7 写了 92 个字还配图差评用户的「长文控诉」模式。
这些反直觉的案例正是模型需要从数据里学到的。
好特征 vs 没用的特征
特征不是越多越好，关键是对判断有没有帮助
有区分度的特征
评分 1 星几乎必差评，5 星几乎必好评
是否包含「难吃」 出现 → 大概率不满意
配送时长 超过 45 分钟 → 不满意风险升高
没什么用的特征
用户 ID 每条评价都不同，没有规律可循
下单是周几 周一和周五的满意度差不多
评价的标点数 和满意度关系不大
好特征 = 知道它的值之后，你对结果的判断会改变
知道评分是 1 星 → 你立刻倾向「不满意」。知道今天是周三 → 你的判断不变。
标签 你给机器的「答案」
5,000 条评价里，你亲手标注了 500 条
每条看一遍，判断「满意」还是「不满意」。
这 500 条带标签的数据 = 训练数据（Training Data）
剩下 4,500 条 = 等机器去预测的
标注过程中你会遇到难题，比如那条「一般般吧」到底算满意还是不满意，需要你来定义
你的标注标准，就是模型学到的标准。标注的质量直接决定模型的上限。
标签决定了你在回答什么问题
同样的 5,000 条评价，换一套标签 = 换一个研究问题
满意 / 不满意
顾客总体上高不高兴 → 情感分类
1 / 2 / 3 / 4 / 5 星
满意到什么程度 → 回归 / 有序分类
口味 / 配送 / 包装
顾客在讨论什么话题 → 多标签分类
真实 / 刷单
这条评价是真实的还是水军写的 → 虚假检测
数据相同，标签不同，训练出完全不同的模型。
选择什么标签，就是选择让机器回答什么问题。
模型 = 从数据里找规律
500 条训练数据
特征 + 标签
学习规律
模型
一套判断规则
类比
你带了一个实习生。
给 TA 看 500 条评价和你的判断，
TA 总结出规则，然后去处理剩下 4,500 条。
模型不理解「好吃」的意思，但它知道 包含「好吃」的评价，92% 被你标为满意。
「学习」到底是什么意思
机器不会「思考」。所谓「学习」，就是一个不断试错的过程
1
先随机猜一套规则，比如「评分 ≤ 3 就是不满意」
2
用这套规则去预测 500 条训练数据，对比答案，发现猜错了 120 条
3
调整规则，比如「光看评分不够，还要看有没有负面关键词」
学习 = 猜规则 → 对答案 → 改规则 → 再对答案 → ……
没有理解，没有思考，只有不断减少错误
决策树 最直觉的模型
机器从数据中自动学出来的 if-then 规则
树越深，判断越细致 低分+超时 = 几乎必差评；高分但含负面词 = 需要再看评分才能定。
你没有告诉机器先问什么它自己从 500 条数据中找到了最有区分度的特征来提问。
训练完成，新评价来了
新评价 #3847
「送餐挺快的，味道一般般吧，分量还行。」
★★★★★ | 配送 25 分钟 | 28 字
评分 3 星 > 2 → 否
→
无「难吃」「凉了」 → 否
→
满意
模型沿着树走一遍，毫秒级给出预测。
4,500 条评价，几秒钟全部处理完。
手工处理 vs 机器学习
同样处理 5,000 条评价，两种方式的对比
纯手工
每条评价人工阅读 + 判断
5,000 条 × 30 秒 = 42 小时
换人标注，标准可能不一致
老板下周又要分析，再花 42 小时
标注者疲劳 → 后期质量下降
VS
机器学习辅助
人工标注 500 条 = 约 4 小时
模型训练 = 几分钟
预测剩余 4,500 条 = 几秒钟
新数据来了，同一个模型直接用
标准始终一致，不会疲劳
总耗时
手工 42 小时 vs ML 4.5 小时
可复用性
手工 每次从头来 vs ML 模型可复用
这就是有监督学习
你标注 500 条
满意 / 不满意
机器学习规律
什么特征→什么判断
自动预测 4,500 条
准确率 85%+
有监督 = 你给答案，机器学规律
核心 标签（Label）是你提供的「标准答案」
第四课会深入讲有监督学习的各种模型
没有标签的情况
另一个问题 老板不想知道满意不满意，
他想知道顾客在讨论哪几类问题。
5,000 条评价
不做任何标注
聚类分析
口味与菜品
配送速度
包装与分量
卫生与安全
无监督
没有标签 → 机器自己发现结构
聚类、主题模型、降维
社科研究中两种都很常用
有监督 → 情感分析、立场检测、事件分类
无监督 → 话题发现、舆情聚类、文本探索
不只决策树 常见的模型一览
名字不同，但核心逻辑一样 从数据中学规律。每种模型用一句话理解
决策树 Decision Tree
像你做判断一样，一连串 if-then 问题
直觉 流程图按条件一步步走到答案
逻辑回归 Logistic Regression
你已经在用的回归分析，只是因变量变成了 0/1
直觉 算一个概率，超过阈值就判「满意」
朴素贝叶斯 Naive Bayes
根据每个词出现的频率算概率，简单但对文本很有效
直觉 垃圾邮件过滤器用的就是这个
支持向量机 SVM
在数据之间画一条最优分界线
直觉 找到把好评和差评分得最开的那条线
随机森林 Random Forest
100 棵决策树一起投票，少数服从多数
直觉 三个臭皮匠顶个诸葛亮
神经网络 Neural Network
层层变换，自动发现人想不到的特征组合
直觉 GPT/BERT 的底层架构，深度学习的基础
本课程不要求你自己训练这些模型，但你需要知道 模型不是黑箱，它在做什么是可以理解的。
机器学习 =
把人的判断力编码成可复用的规则
特征是输入，标签是答案，模型是从数据中学到的规律。
有标签 → 有监督；没标签 → 无监督。
接下来 → 模型说「准确率 96%」，这个数字到底能不能信
准确率 96% 的陷阱
外卖评价分类
96%
5,000 条评价中 4,800 条是好评
「模型」 无论输入什么，都输出「满意」
4800 / 5000 = 96%
信用卡欺诈检测
99.9%
100,000 笔交易中只有 100 笔是欺诈
「模型」 无论什么交易，都输出「正常」
99,900 / 100,000 = 99.9%
准确率高 ≠ 模型好。
当数据类别不平衡时，一个「什么都不做」的模型也能拿到极高准确率。
右边的「模型」准确率 99.9%，却一笔欺诈都没抓到。
训练集 vs 测试集
考试类比 用练习题学习，用新题检验
训练集 (Training Set)
400 条评价
机器用来学规律
= 平时做的练习题
|
测试集 (Test Set)
100 条评价
机器从未见过
= 考试出的新题
想象这个场景
小明期末考前拿到了往年题库 50 道题，他背下了每道题的答案，一道都没理解。
模拟考用的是同一套题 → 小明考了 100 分。
期末考换了一套新题 → 小明只考了 45 分。
只有在没见过的数据上表现好，才算真的学到了。
所以我们必须留一部分数据「藏起来」，只在最后才拿出来检验。
过拟合 为什么背题库考不好
模型把训练数据里的每条评价都「记住了」，
包括噪音和巧合。
过拟合（Overfitting）= 模型在训练数据上表现很好，在新数据上表现很差。
过拟合的具体表现
同一条差评，两种模型的「理解方式」
训练集中的一条评价
「评价#2471 等了一个半小时，饭到了已经凉透了，而且少了一份小菜」
过拟合模型（死记硬背）
记住了 「评价#2471」 → 不满意
记住了 「一个半小时」 → 不满意
记住了 「小菜」 → 不满意
遇到新评价「小菜味道不错」
→ 看到「小菜」 → 判为 不满意
好模型（学到规律）
学到了 「等了很久」 → 配送慢 → 负面
学到了 「凉透了」 → 体验差 → 负面
学到了 「少了」 → 缺漏 → 负面
遇到新评价「小菜味道不错」
→ 「味道不错」 = 正面 → 判为 满意
过拟合模型记住了具体的词和编号，好模型学到了背后的语义规律。
欠拟合、刚好、过拟合
蓝色 = 满意 红色 = 不满意 线 = 模型学到的决策边界
一张图记住过拟合
- - - 训练误差 持续下降
测试误差 先降后升
转折点 = 最佳复杂度
你不需要记公式，
只需要记住这个形状。
混淆矩阵 一张表看清对错
模型在 100 条测试集上的预测结果
|
|
实际满意 |
实际不满意 |
|
| 预测满意 |
55
正确好评 |
8
漏判差评 |
| 预测不满意 |
5
误判好评 |
32
正确差评 |
对角线 = 判对了 (55+32=87)
其余 = 判错了 (8+5=13)
准确率 = 87/100 = 87% — 但 8 和 5 的含义很不同
混淆矩阵里的真实评价
正确好评 (TP) — 55 条
「味道很好，配送也快，好评！」
实际满意，模型也说满意 ✓
漏判差评 (FN) — 8 条
「包装精致，但打开一看分量好少」
实际不满意，模型却说满意 ✗
误判好评 (FP) — 5 条
「终于到了！等得花都谢了哈哈」
实际满意（调侃语气），模型却说不满意 ✗
正确差评 (TN) — 32 条
「难吃到想退款，再也不点了」
实际不满意，模型也说不满意 ✓
漏判差评 措辞含蓄，先扬后抑，模型没听出弦外之音
误判好评 反讽、调侃，模型把玩笑话当真了
精确率 vs 召回率
两种不同的「准」
精确率 (Precision)
32/37 = 86%
模型说「不满意」的 37 条里
真的不满意的有 32 条
别冤枉好评
vs
召回率 (Recall)
32/40 = 80%
真正不满意的 40 条里
被模型找到的有 32 条
别漏掉差评
捕鱼的比喻 网眼大小的权衡
目标 从池塘里捞出所有的鲈鱼（= 找到所有差评）
细网（网眼很小）
🆚
捞上来 50 条鱼
30 条鲈鱼（目标！全捞到了）
20 条杂鱼（混进来的）
召回率 = 30/30 = 100%
精确率 = 30/50 = 60%
粗网（网眼很大）
🪫
捞上来 12 条鱼
11 条鲈鱼（确实是大鲈鱼）
1 条杂鱼（几乎没有误捞）
召回率 = 11/30 = 37%
精确率 = 11/12 = 92%
网眼越小，漏得越少（高召回），但杂鱼也越多（低精确）。
没有完美的网，只有适合你目标的网。
直觉理解 两种错误
误报（False Positive）
把好评判成了差评
= 虚惊一场
漏报（False Negative）
差评没被发现
= 漏网之鱼
不同场景，容忍度不同
垃圾短信过滤
宁可放过垃圾短信，也别误拦正常短信
→ 侧重精确率
疾病筛查
宁可多查几个正常人，也别漏掉一个病人
→ 侧重召回率
回到外卖场景的权衡
场景 A 改进服务
老板想找到所有差评来改进
漏掉一条差评 = 错过一个问题
→ 侧重召回率
代价 会多标记一些好评
场景 B 展示差评精选
平台想展示可信的精选差评
误标好评为差评 = 冤枉商家
→ 侧重精确率
代价 会漏掉一些差评
没有绝对最优的模型，只有最适合你问题的模型。
选什么指标，取决于你要回答什么研究问题。
F1 分数 精确率与召回率的折中
F1 是精确率和召回率的调和平均。
当你不确定该侧重哪边时，看 F1。
两个都高，F1 才高；一个很低，F1 就被拉下来。
完整实例 1,000 条外卖评价的分类报告
模型对三个类别的表现各不相同
| 类别 |
精确率 |
召回率 |
F1 |
样本数 |
| 满意 |
91% |
95% |
93% |
620 |
| 不满意 |
84% |
78% |
81% |
250 |
| 中立 |
62% |
53% |
57% |
130 |
读懂这张表
「满意」最好分 — 样本多，特征明显
「不满意」稍难 — 有 22% 差评被漏掉了
「中立」最难 — 模糊表达多，将近一半被错分
社科研究启示
如果你的研究关注「不满意」群体
78% 召回率意味着有 22% 的不满被遗漏
这会系统性低估负面情绪的比例
回看上节课的论文
Gilardi et al. (2023)
ChatGPT vs MTurk 准确率对比图
[Lesson 1 展示过的图]
现在你能看懂
- 纵轴是准确率（Accuracy）
- 但作者也报告了 F1
- GPT 不只是「更准」是在精确率和召回率上同时更好
- 众包工人的标注者间一致性也用了类似的评估框架
Gilardi, Alizadeh, Kubli · PNAS 120, 2023
为什么你需要懂这些
用 ML 做了文本分类，提交论文后审稿人会问
Q1
「你的分类器在测试集上表现如何，训练集和测试集是怎么划分的」
Q2
「只报了准确率，Precision 和 Recall 分别是多少，类别不平衡怎么处理的」
Q3
「有没有过拟合的风险，用了什么正则化或交叉验证策略」
今天学的每个概念，都是你未来读论文、做研究、回应审稿人时需要的基本词汇。
评估模型，不能只看准确率。
训练集表现好不代表真的好（过拟合）。
精确率和召回率是一对权衡，取决于你的研究问题。
F1 是折中方案。
接下来 → 从原始数据到最终结论，完整流程是什么样的
机器学习的完整流程
一个反复迭代的循环。
用外卖评价走一遍这个流程
1 收集 爬取美团/饿了么 10 万条评价
2 清洗 去掉刷单、空评价、广告评论
3 特征 提取文本长度、关键词、配送时间、是否有图
4 训练 用逻辑回归学「哪些特征预测好评」
5 评估 测试集 F1 = 0.78，发现「吐槽配送」类错最多
6 迭代 加入配送相关关键词特征 → F1 升至 0.85
第一步 数据从哪来
平台数据
外卖评价、电商评论、社交媒体帖子
优势 量大；挑战 噪音多、偏向特定群体
政府公开数据
政策文件、统计年鉴、政府工作报告
优势 权威；挑战 格式不统一
问卷调查
开放回答、量表数据
优势 有研究设计；挑战 样本量有限
学术数据集
已清洗、已标注、可复现的公开数据
优势 即用；挑战 可能不完全匹配你的问题
数据质量决定上限，模型只能逼近这个上限。
第二步 数据清洗
真实世界的数据永远是「脏」的看看外卖评价里能有多脏
真实「脏」数据示例
「好吃好吃好吃好吃好吃」 (刷单复读)
「此用户未填写评价。」 (系统默认)
评分=NULL (缺失值)
「太难吃了！！！！！！」 (重复标点)
「很nice，yyds」 (中英混杂+网络用语)
「加V:xxx888减10元」 (广告/引流)
「2024/1/3」 vs 「1-3-2024」 (日期格式不统一)
→
清洗策略
去除刷单/复读机评价
过滤系统默认文本
填充或标记缺失值
标点归一化（多个!→单个!）
建立网络用语映射表
识别并移除广告/引流内容
统一日期格式为 YYYY-MM-DD
数据清洗占 ML 项目 60–80% 的时间。不光彩，但决定成败。
清洗质量直接决定模型能学到什么垃圾进，垃圾出。
第三步 特征工程
最像「研究设计」的一步
选哪些特征、怎么构建特征，本质上是在做操作化（Operationalization）。
好特征
评价文本中「难吃」「慢」等关键词出现次数
配送时间与承诺时间的差值（分钟）
评价是否包含图片（用户参与度信号）
→ 有理论依据，可解释，与满意度直接相关
坏特征
用户 ID 的数字大小
评价提交时间的秒数
评价文本的 UTF-8 字节长度
→ 无理论意义，模型可能「碰巧」找到虚假相关
社科学生的优势 你比工程师更懂什么变量有理论意义。
工程师会把所有能算的都扔进去；你会问「这个变量该不该放」。
第四步 选模型，训练
没有「最好的模型」，只有最适合你的数据和问题的模型。
数据少 → 简单模型；数据多 → 复杂模型也不容易过拟合。
第五步 评估与迭代
训练模型
测试集评估
准确率/F1/混淆矩阵
分析错误
哪类评价判错最多
改进
加特征、换模型
科学研究是迭代的，ML 也是。
第一版模型很少是最终版本。
哪些是你的决策，哪些是技术操作
研究决策（你负责）
数据来源与抽样
特征选择（变量选择）
标注标准（概念界定）
评估指标（看什么指标）
结果解读（意味着什么）
技术操作（可以外包）
数据清洗脚本
模型选择与调参
代码实现
计算资源配置
输出可视化
你不需要亲自写代码，但研究决策必须你来做。
偏见从哪里进来
外卖评价的城乡偏见
训练数据全是一线城市用户「30分钟=正常」。
县城用户写「40分钟很快了」，模型却判为差评。
跨语言的仇恨言论检测
用英文训练的仇恨言论分类器，迁移到中文社交媒体。
中文的讽刺、谐音梗全部漏判语言结构决定偏见形式。
城市调查预测农村态度
用城市居民问卷训练的「公共政策满意度」模型，
直接应用于农村样本生活经验完全不同，预测失效。
历史文本中的歧视
用 20 世纪报纸训练词向量，模型学到「女性=家庭」
「男性=职业」的关联历史偏见被编码进了算法。
偏见不是模型制造的，是数据带进来的。识别偏见，是研究者的责任。
三类 ML 任务
后面的课会一个个深入，这里先建立整体地图
| 任务类型 |
做什么 |
研究场景 |
标签 |
课程 |
| 分类 |
预测类别
A 还是 B |
情感分析 10 万条外卖评价，自动判断好评/差评，再按区域汇总，研究「哪些城市的餐饮服务满意度最低」。
立场检测 微博上关于某政策的帖子，分类为「支持/反对/中立」，追踪舆论随时间的变化。
|
有监督 |
第 4 课 |
| 回归 |
预测数值
多少 |
舆情热度预测 根据帖子的发布时间、关键词、首小时转发量，预测 24 小时后的总传播量，帮助研究者识别「即将爆发」的议题。
|
有监督 |
不深入 |
| 聚类 |
发现分组
谁和谁像 |
主题发现 收集 5 万条关于「教育焦虑」的微博，不预设类别，让算法自动发现隐含话题可能出现「学区房」「鸡娃」「内卷」等自然分组。
|
无监督 |
第 5 课 |
关键术语回顾
今天出现的所有新概念，一张表讲清楚
| 术语 |
一句话解释 |
外卖评价中的对应 |
| 特征（Feature） |
输入给模型的变量，描述一个样本的属性 |
评价文本、配送时间、评分、是否有图片 |
| 标签（Label） |
我们希望模型预测的答案 |
好评/差评 |
| 训练集 / 测试集 |
用来学习的数据 / 用来考试的数据 |
8000 条学习 / 2000 条验证 |
| 过拟合（Overfitting） |
模型把训练数据的噪音也学进去了，考试翻车 |
记住了「张三=好评」而非学到通用规律 |
| 精确率（Precision） |
模型说「是差评」的里面，真的有多少是差评 |
标记的 100 条差评中 85 条确实是差评 |
| 召回率（Recall） |
所有真实差评中，模型找到了多少 |
200 条真实差评中模型找到了 150 条 |
| F1 |
精确率和召回率的调和平均两者的折中 |
一个数字概括分类器的综合表现 |
| 特征工程 |
把原始数据加工成模型能用的变量 |
从评价文本中提取「关键词出现次数」 |
今日要点
1
ML = 把人的判断力编码成可复用的规则
特征是输入，标签是答案，模型从数据中学规律。社科研究者的优势在于 你知道什么变量有理论意义。
2
评估要看对的指标，警惕过拟合
训练集上表现好不代表真的好。精确率与召回率是一对权衡，选哪个取决于你的研究问题漏判的代价大还是误判的代价大。
3
从数据到结论是一个完整流程
数据质量决定上限，清洗占大部分时间。偏见是数据带进来的，识别和消除偏见是研究者不可推卸的责任。
4
研究决策在你手里，技术可以外包
你不需要亲自写代码，但数据来源、变量选择、标注标准、结果解读这些决策只有你能做。
下节课预告
第三课 机器学习与社会计算范式革新
今天学了 ML 的基本原理，
下节课看研究者如何用这些工具
改变社会科学的研究方式。