金融风控Task1

本文介绍了金融风控中的分类算法评估指标,包括混淆矩阵、准确率、精确率、召回率、F1-Score、P-R曲线、ROC曲线、AUC和KS等。讨论了在样本不均衡情况下,如何选择合适的评估指标,并提出了针对数据偏斜的解决方案,如SMOTE算法和集成学习。
摘要由CSDN通过智能技术生成

一.学习知识点概括

本篇文章主要介绍了金融风控的一些概况。主要给我们介绍了金融风控中分类算法的评估指标。在自己原有的学习基础上,学习到了金融方面的知识,并不断理解。
本文章仅仅用于自己的学习!!如有冒犯,请多多见谅!T—T

二.学习内容

1.预测指标

*分类算法常见评估指标
(1)混淆矩阵(confusion_matrix)
在这里插入图片描述
(2)准确率(accuracy)
准确率是常用的一个评价指标,但是不适合样本不均衡的情况。
在这里插入图片描述
虽然准确率在一定的情况下具有参考价值,但是像对于癌症预测系统来说,这种极度偏斜的数据,光靠准确率是不足够的。
(3)精确率(precision)
正确预测为正样本(TP)占预测为正样本(TP+FP)的百分比。
在这里插入图片描述
精确率是比较常用的一个指标,但它的使用也具有一定的局限

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值