宽带离网用户分析（6） 不平衡学习

宽带离网用户分析之不平衡学习

　　机器学习里面有个问题叫做Imbalanced-Learning（不平衡学习），其含义就是不同Label的样本数量差别很大。其实宽带离网用户分析就是一个典型的不平衡学习问题：就拿本实验的徐州宽带用户来说，总用户量为70万，而每个月的离网用户只有不到5000用户，这里正负例样本的比例是140:1，可见是很不平衡。
　　这里说句老实话，工作的突破点并不是对不平衡学习的处理，工作的突破点其实还是找到了好的特征，使最终宽带离网用户预测的准确率达到了45%，而停机用户（用户状态处在不活跃状态）预测准确达到了87%。但是不平衡学习的确也是前期工作的一个重点，所以这里还是要赘述一下。

为什么不平衡学习很重要

．	实际离网用户	实际非离网用户
预测为离网用户	true positive(tp)	false positive(fp)
预测为非离网用户	false negative(fn)	true negative(tn)

　　还记得我们在（1）里面讲的Precision和Recall吗，其实一个最常用的标准叫做预测准确率，也就是 (tp