数据预测建模概述

1，输入变量可以是数值型或分类型，输出变量也可以是数值型或分类型。如果输出为分类型，则称为分类预测模型；反之，则为回归预测模型。

2，一般拿到的数据为一个矩阵，一行对应一个观测，一列对应一个变量。一般自变量（解释变量）会有多个（x1, x2, …, xp），因变量（被解释变量）只有一个（y）。在预测过程中可以看成是发生在p+1为空间中的事件。

3，建模过程其实就在找p个x与一个y之间的关系，并将这种关系用一个模型表示出来（线性或非线性）。模型确定后，对于给定的新的p个x值，就可以预测出$\hat{y}$。

4，对于分类预测模型，实际上是找到p维的超平面，使得位于超平面同侧的点更接近；而对于回归预测模型，也要找到一个p维的超平面，使得预测得到的值位于这个超平面上。

5，对分类预测模型的评价

ROC曲线是很好的评价方式，参考ROC曲线。

TPR(真阳性率) = TP/(TP+FN)，也叫查全率、敏感性；
FPR(假阳性率) = FP/(FP+TN) = 1 - TN/(FP+TN)，其中TN/(FP+TN)叫做真阴性率，又叫特异性；
查准率 = TP/(TP+FP)；

由于查准率（Precision）和查全率（Recall）无法同时大，可以基于查准率和查全率的调和平均数定义F1值，F1越大预测结果越准确。
1/F1 = 1/2 * (1/Precision + 1/Recall)，即$F1=2\ast P\ast R/(P+R)$；

准确性(Accuracy) = (TP+TN)/(TP+TN+FP+FN)

6，对回归预测模型的评价

可以计算均方误差去评价回归模型：

其实在进行回归建模时，就是要找到一系列参数使得均方平方和最小。

7，统计建模、机器学习与深度学习

7.1 统计建模数据量一般小，机器学习和深度学习大；
7.2 统计建模对模型的关注度更大，先假定数据的概率分布，再选择模型，接着对参数进行估计，然后对数据进行解释；而机器学习更关注从数据到数据的预测准确性，选定好算法后，不断优化参数，使模型达到理想结果；深度学习更像是一个黑匣子，喂给它数据，它能自己学习出最佳的参数。