分类质量和不平衡分类

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

本次文章本应该介绍分类的几种机器学习方法，不过我认为评价的标准是比方法本身更重要的，所以本次文章介绍一些分类问题的评价指标。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、分类评估有哪些评价指标？

最简单的评价指标就是总共测试了多少个样本，预测正确了多少个样本，这也是我们常用到的评价指标，英文名accury，不过有没有思考过一个问题，这种评价方法并不是很好用，如果你现在想用机器学习去判断这一百个病人有谁是真正患病了的，如果本身有3个人患病，预测了有2个人患病，那么accury就是百分之九十九吧，这个accury很高吧，但是他是一个很好的学习机器吗，显然不是，这一个预测错误的病人因此而没有及时治疗而丧命，对于这种问题，单一的accury并不能解决问题，便会有混淆矩阵的诞生。

1.混淆矩阵

正例，反例：对于你想预测的目标，比如预测患病的人，那么患病就是正例，不患病就是反例
TP:成功预测正例为真
TN：成功预测反例子为假
FP：错误预测反例为真
FN：错误预测正例为假

precision:即查准率 =TP(TP+TN)
recall:即查全率=TP(TP+FP)

F1=2precisionrecall(precision+recall)
有了这些评价指标才能更好的帮助我们对分类问题有一个好的认识。

二、不平衡分类问题

在日常的分类任务大多属于不平衡的分类问题，什么是不平衡的分类问题，简单来说就是正例和反例数量差别太大，比如患病问题，患病的人是比较少的，这就是不平衡分类问题。如何解决这种问题呢

1.改变数据集

数据集不平衡那就多收集一点数据，这是最容易想到的办法，但实际中并没有那么理想，发现数据少了还能再收集，于是便会有样本重采样。
样本过采样：1随机采样，对训练样本的特征进行扰动，产生新的数据。
2线性采样，根据线性关系产生新的数据点。
样本欠采样：1对样本进行聚类保留质心
2对样本进行邻近将边界的点剔除
3对样本进行近邻只保留边界的点
混合采样

2.拟合问题

在机器学习中不单单是分类问题，都会遇到欠拟合问题和过拟合的问题。欠拟合就是没学好在训练和测试的都表现的不满意，过拟合就是在训练的时候表现的很好，但是在测试的时候表现的不好。
对于拟合问题应该如何解决。
解决过拟合问题
寻找更多的数据，减少特征数，使用更简单的机器学习方法
解决欠拟合问题
增加特征数，使用更复杂的机器学习方法

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文介绍了分类的相关指标，以及过拟合和欠拟合问题。