2021Q1分类

1.分类

1.1 xgboost

1.1.1原理

1.1.2实现代码&函数参数介绍

1.1.3效果评估

1、准确率&召回率：准确率= 准确/ 所有样本，召回=召回的正样本/ 正样本数
精准率：召回的正样本/ 预测为正的样本数
2、F1分数：F1_score = 2召回率精准率/ (召回率+精准率)
3、AUC（可以解决样本不均衡时候的模型评估）
真正率：=召回率 = 召回的正样本 /正样本
假正率：=被判定为正的负样本/ 负样本
分母分别为正负样本数，所以不受样本不均衡的影响。
ROC曲线：横为假正率；纵为真正率
遍历所有的阈值得到不同阈值对应的FPR、TPR，连线

1.1.4资料链接

https://zhuanlan.zhihu.com/p/74427646
AUC讲解