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