---

我是CIH，很高興有人問3000萬FB帳號怎麼取樣？

以下是數據分析教學。

我們在做數據，一個最重要的是，分母的取樣。
分母的取樣，必須絕對完全平均分佈。

若是從某粉絲頁、某部份、你想的任何組合去取樣，絕對完全失真。
因為全世界沒人知道真正的分佈。

我的擷取方式，亂數產生FB用戶ID，
用爬蟲跟FB Server抓取全世界3000萬個亂數用戶帳號(分散到全世界不同國家)。
接下來，判斷用戶真實IP是台灣，再判別是否是活躍用戶。
從此台灣數據分析，會以這個當母體。

根據實際抓取，目前全世界FB註冊帳號ID分佈如下：
4 ~ 1899999999
100000000000000 ~ 100039999999999

從臉書的文件顯示，目前FB帳號ID最大可以到100099999989999，
現在FB新帳號ID實際已經用到10003XXXXXXXXXX(我系統抓取實際顯示數據)。

有人可能會好奇，臉書ID從4號開始，4號是誰？
可以看一下我臉書之前的貼文：
https://www.facebook.com/2691681504190564

最後，最近我重新抓取全世界臉書帳號，原因是，有些帳號會被砍，有些新帳號會出現。
需要重新讓母體取樣分佈正確，定期需要重新抓。
另外，我之前在幫客戶做『電子商務』用戶長相分析與喜愛，發現幾個條件組合下，
所剩的母體取樣不足，因此我必須『加大』分母取樣數。




※ 引述《cih4tw (CIH)》之銘言：
: 數據分析：CIH 陳盈豪
: 專長：暴力型逆向工程破解、暴力型臉書爬蟲
: 用爬蟲掃全世界3,000萬筆臉書用戶帳號，抓出其中IP來自台灣、中國的帳號

--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 110.50.176.60
※ 文章代碼(AID): #1SClKk8g (Gossiping)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1546843438.A.22A.html