馬季即將開鑼，相信馬迷都正在準備，預祝各位好運。前幾天看了一套香港電視劇，其中一幕說起賽馬，內容大概是主角要用$

香港賽馬彩池是採用pari mutuel(同注分彩法），簡單說就是所有馬迷用金錢投票，投給自己心水馬/組合，集合起來的錢由馬會保管，並根據每匹馬的投注額計算賽馬賠率，如下:

相信很多朋友都喜歡出街食飯，不過最怕就是約親朋好友 開飯 去到服務差又難食的餐廳，所以開飯前都會到本地有名的食評網站做資料搜集，不過現時網絡上太多資訊，有時候要分真假並不容易。該食評網站提供了一個很好的途徑找出心水餐廳，不過近年不時遇上公關災難，被質疑站內有打手寫假食評和刪除用戶過激的食評，令公信力受損。撇除打手及刪貼問題，其實該網站有很多資料可供參考，但網站只提供基本的餐廳搜尋和評分，未能完全反映現時餐廳的質素。最近正在研究文字挖掘（text mining）和RStudio 的 Shiny App，用了幾天時間於R上建了一個網絡爬蟲(web crawler)抓資料，再利用R的jiebaR 、wordcloud2和tm package做分詞，最後用flexdashboard和shiny建立自選進階分析面版，放在shinyapp.io和自設的server作為練習。

近日新聞報導香港樓價升至歷史新高，就想到看一下有什麼資料可以做個 地產數據分析 圖表，用十九區指標屋苑數據加香港地形圖和google map api做gif圖，最先想到當然是香港地產代理資料的先驅，數據有地圖和指數等，但到網站上看發覺web scraping要花較多時間，故退而求其次找了一家較細的代理，網址架構較簡單和有過去5年成交紀錄，用了廿分鐘寫web crawler和整理20萬行成交資料，打算用外國常用的first-second purchase log regression 做指數，但於R做data checking時就發覺殘缺不全，不是一堆幾萬蚊成交價的，就是天價尺價成交，七除八扣只有2萬行，分成十七個區和單位呎數大小後每組只有幾百行，做不了。