处理数据极度不均衡的数据集

num = 0
print("len(y_train_df):\n",len(y_train_df))
for i in range(len(y_train_df)):
    if y_train_df[i] == 1:
        num = num + 1

print("{}{}".format("y_train_df中0的个数是：",num))

显示的结果为：
len(y_train_df):
 709903
y_train_df中0的个数是：3293

3293/709903 = 0.00464

平安极客挑战赛的训练集真的无解，看了一早上大概知道几个专业名词，SMOTE + KNN，欠采样，过采样。

在数据分类很不平衡的情况下，基本的精确率，均方差等都是有数据欺骗的。

要用召回率，F值来判定模型的可靠性。

然后发现了sklearn库可以pip安装额外的包 imbalance-learn，这个能解决问题，不需要深究的库函数

http://contrib.scikit-learn.org/imbalanced-learn/stable/over_sampling.html

按照教程极客成功安装，后续看我做的程度了。

希望召回率能不是0，加油！