有些言简意赅·······
1. 样本不均衡

• 过采样
  
  • 让少的生成，让两者同样多

• 下采样

  • i. 让多的和少的一样多，相当于让多的放弃一些数据，让二者一样少

2. 各种评估指标：

• recall = TP/(TP+FN)

• 精度(precision) = (TP+TN)/(FP+FN)

  局限性：举个极端情况的例子，如果数据中大部分都是正样本，只有很少的负样本（样本不均衡），那么我仅仅只构造一个只会输出正类的模型，准确率也能达到很高，但是这样的模型不具有任何意义

3. 混淆矩阵

• a. x:predict label;y:True label

• b. 其实就是TP，FP，TN，FN

4.predict_proba(x_test.values)

5.SMOTE 算法(负样本的生成)

• 算法内容：
  
  • 对于少数类中每一个样本x,以欧氏距离为标准计算它到少数类样本集中所有样本的距离，得到其k近邻
  • 根据样本不平衡比例，设置一个采样比例以确定采样倍率N，对于每一个少数类样本，从其k近邻中随机选择若干个样本.假设每一个选出来的为xnxn
  • 对于每一个随机选出的近邻xixi分别对于原样本按照如下公式构建新样本：xnew=xi+rand(0,1)⋅(x^−x)xnew=xi+rand(0,1)⋅(x^−x)
• SMOTE算法的库：

from imblearn.over_sampling import SMOTE