机器学习之模型评估（还是没搞定...）

任务介绍
1.任务：预测贷款用户是否会逾期
2.status是标签：0表示未逾期，1表示逾期

【任务四：模型评估】记录五个模型关于precision，rescore，f1，auc，roc的评分表格，画出auc和roc曲线图。

模型	Precesion	Recall	F1-score	AUC	ACC
逻辑回归	0.4500	0.0244	0.0463	0.5070	0.7400
SVM	0.500	0.0081	0.0160	0.5026	0.7414
决策树	0.3056	0.3388	0.3213	0.5352	0.6300
XGBoost	0.3707	0.5000	0.4258	0.5000	0.7414
lightgbm				0.5981

这个任务持续做了两天也没有搞定，一开始还以为挺简单，没想到一直搞不出来。两个大的问题：

1.绘制ROC曲线的图一直为空白，这是5个模型都存在的问题。

2.lightgbm模型在评估上一直报错：ValueError: Classification metrics can't handle a mix of binary and continuous targets

模型的预测输出确实有问题，不是标签1 和0，而是概率，这个确实是问题，但查了好久也没解决。

3.XGBoost模型那是一直有个警告：UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no predicted samples.

已解决的问题：

1.逻辑回归模型那里本来也是出现lightgbm同样的报错，经过查询发现是 预测那一步调用的函数有问题，应该调用predict就没问题了，我一开始是用predict_proba函数，这两者的区别为：

predict_proba返回的是一个n行k列的数组，第i行第j列上的数值是模型预测第i个预测样本的标签为j的概率。此时每一行的和应该等于1。

predict返回的是一个大小为n的一维数组，一维数组中的第i个值为模型预测第i个预测样本的标签；

总结：自己独立解决问题的能力还是不行，有个能讨论的团队还是好很多，这样的学习模式确实挺好，如果每次任务完成能给出正确代码就好了，问题也能对照解决。