本学习笔记为阿里云天池AI训练营金融风控的学习内容，学习链接为：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.20850282.J_3678908510.2.f2984d57J6IxQe&postId=170948

首先分享我在这个task1里面学到的东西。

一、学习知识点概要

1. 根据来自某信贷平台的贷款记录建立模型，预测金融风险。
2. 以AUC作为评价指标，在此之前，需要先理解混淆矩阵。
3. 混淆矩阵及四个指标（一级指标）
4. 二级指标（准确率，精确率，灵敏度）
5. P-R曲线
6. ROC

二、学习内容

1. 混淆矩阵

• 混淆矩阵是ROC曲线绘制的基础，直观的说，混淆矩阵无非就是把四个一级指标用表格的形式表达出来。

     2.四个一级指标（以下为个人的拙见）

• （1）真正类TP(True Positive )：即实际对，预测也为对。
• （2）假负类FN(False Negative )：即实际对，但预测为错（假的负不就是实际是正嘛）。
• （3）假正类FP(False Positive )：即实际错，但预测为对。
• （4）真负类TN(True Negative )：即实际错，预测也为错。

     3.二级指标

• 准确率

• 精确率

• 灵敏度

   4.PR曲线

P-R曲线是描述精确率和召回率变化的曲线。

详细可参考链接：https://blog.csdn.net/guzhao9901/article/details/107961184

   5.ROC

在ROC空间中假正例率（FPR）定义为 X 轴，真正例率（TPR）定义为 Y 轴。

三、学习问题与解答

1.文中提到的不均衡情况是什么意思？

比如二分类问题中标签1的数据占了99%，但是标签0的数据只有1%，这就造成了不平衡问题。会导致判断失误。

2.机器学习解决问题的步骤是什么？（因为我是一个刚接触大数据的小白）

问题建模——特征工程——模型选择——模型融合

四、学习思考与总结

刚开始接触的时候真的是什么也不会，什么名词都很陌生，但是一个概念一个概念慢慢查慢慢理解之后才发现大数据，机器学习真的很有意思，一些晦涩难懂的概念，我会在B站找大佬的视频，在知乎，百度找我想要的答案，因为我是一个新人，很多知识匮乏，基础要一步一步来，不能放过任何一个知识点，知识的探索过程才是充满乐趣的。

引用资料来自：https://blog.csdn.net/guzhao9901/article/details/107961184

https://zhuanlan.zhihu.com/p/111274912