一、知识点概要

分类算法预测指标:

混淆矩阵 confuse matrix

准确率、精确率、召回率、F1-Score、P-R曲线

ROC空间与AUC

金融风控预测类指标：

KS统计量

pandas库读取、计算及绘图

 

二、学习内容

①混淆矩阵:四个类

TP(True Positive)     FP(False Positive)

TN(True Negative)   FN(False Negative)

 

②准确率：预测为正类的实例占总数的比例

    精确率：TP占预测为正类的比例，可以理解为预测上的准确。【也称查准率：检索出来的相关信息量/检索出来的信息总量】

    召回率：TP占真实为正类的比例，可以理解为认证上的召回。【也称查全率：检索出来的相关信息量/系统中所有的相关信息量】

 

    用比喻来理解精确率和召回率：我们有一群外出的鸭子，晚上没有回家，全部都跑到别人家里和别人家的鸭子混在了一起，现在我们要从一大群鸭子里面找出我们家的鸭子，这群鸭子中，有我们的也有别人的，总共鸭子有200只，我们从里面找出来一群鸭子假设为(100只)，以为全部都是我们家的，剩下的100只是别人家的，然后仔细看了一下，里面只有80只，是我们家的，其他都是别人家的，这样我们的准确率就只有80/100也就是0.8，这个时候我爸来说我们家总共有120个鸭，这样我们的召回率就只有80/120也就是0.67左右了

（来源：https://www.jianshu.com/p/c56a22c6173a）

 

    F1-Score：，精确率和召回率的调和平均数，最大为1，最小为0，因为调和平均数受极小值影响比算术平均值大，所以用来同时观察精确率和召回率的关系更准确

    P-R曲线：横轴为recall，纵轴为precision，表示recall和precision之间关系的曲线

 

③ROC空间：横轴为假正例率FPR（假中预真），纵轴为真正例率TPR（真中预真）

ROC曲线一般位于y=x曲线上方，因为ROC越靠近左上方，这个二值分类器性能越好，因为它意味着在高真正例率的同时获得了低假正例率

AUC：ROC曲线与下方坐标轴围成的面积，通常取值在0.5~1之间。AUC越接近1，检测方法真实性越高；等于0.5的时候，真实性最低，毫无应用价值

 

④KS统计量： KS=max(TPR-FPR) ，用于评估模型区分度，区分度越大，说明模型的风险排序能力越强

KS曲线与ROC曲线相似，只不过KS将真假正利率都作为纵轴，横轴由选定的阈值来充当

KS(%)	好坏区分能力
< 20	不建议采用
20-40	较好
41-50	良好
51-60	很强
61-70	非常强
> 70	过高，怀疑存在问题

⑤pandas库，sklearn,matplotlib,numpy

读取数据

import pandas

#读取csv文件
train = pandas.read_csv('训练数据集链接')
testA = pandas.read_csv('测试数据集链接')


#打印数据集的行列数（数据集每个维度的长度）
#返回一个元组，只有两个元素，[0]为行数，[1]为列数

print(train.shape)


#将表格的第一行看做列名，并默认输出之后的五行
train.head()

输出混淆矩阵

import numpy

#混淆矩阵
from sklearn.matrics import confusion_matrix
#准确率
from sklearn.matrics import accuracy_score
#recall，precision，F1-Score
from sklearn import matrics


y_pred = [0,1,0,1]
y_true = [0,1,1,0]


#confusion_matrix这个矩阵的构造感觉还是有点混乱
#每个数据都是用混淆矩阵来构造

print('混淆矩阵/n',confusion_matrix(y_true,y_pred))

print('accuracy_score:',accuracy_score(y_true,y_pred))

print('recall:',matrics.recall(y_true,y_pred))

print('precision:',matrics.precision(y_true,y_pred))

print('F1-Score:',matrics.f1_score(y_true,y_pred))

三、学习问题

本task无

 

四、总结

需要记一下单词，需要将表格看不懂的英文都意义对应标上英文记忆