# SEVER API VERSION 2
# 輸出與匯入環境包
## Export enviroment of current conda enviroment

The following command:
**`conda-env export -n your_env_name > your_env_name.yml`**
example:
**`conda-env export -n test_env > test_env.yml`**

## Create new enviroment using yml configuration

The following command:
**`conda-env create -n new_env_name -f=your_yml_config.yml`**

example:
**`conda-env create -n new_env -f=test_env.yml`**

# SERVER API 程式檔說明

**分為4個檔:**
1. sever.py:
SERVER 進行運算的主程式，接收資料進行預測，並回傳預測結果
2. run.py :
資料處理的主程式，分為3部分:

* 到公共區forum中的raw data 抓資料並合成一個檔，丟給server進行預測，回傳預測結果後， 進行抽樣(8000筆)並分割成8個檔以供人工校正

* 每天將校正完的資料與前一天的訓練資料進行合併，並重新訓練一個新模型

* 每天將校正完的資料結果與SERVER預測的資料結果進行指標計算，項目有預測錯誤次數、AUC、準確率以及混淆矩陣

3. rebuild_model.py:
進行重新建模的模組，且將每天訓練好的模型存放於'model/mode/'，同時更新'model/model_for_server'下的模型

4. data.py:
進行所有資料處理的函式，如下:

* get_data():
從公共區抓資料

* to_AITeam_Result():
將資料輸出到'AITeam_Result_2'

* sampling_data():
將預測後資料進行抽樣8000筆，抽樣方法為將Y全部抽出，其餘都是N

* split_sampling_data():
將抽樣的資料進行分割

* catch_correct_data_to_file():
將已經校正的資料抓出，並另外存到'adj_ad_for_train'目錄下

* write_into_statistic_data():
將統計數據(預測錯誤次數、準確率、AUC、混淆矩陣)寫入.CSV檔

* find_miss_date(check_dir):
找出"finish_adj"有但"check_dir"沒有的日期

* create_new_train():
建立新的訓練資料

* adjust_prediction():
將預測結果調整成人工校正後的結果(是否為廣告)

* load_transform():
進行資料預處理部分，包含結巴(jieba)，逗號處理與空格處理等