四流工程师

Background Drowning in data, starving for knowledge. 如同矿石提炼黄金的过程，大量的数据中，只蕴含了少量有趣的事件。这些少量事件中，出现频次相对更低的稀有事件，可能导致显著的结果，且往往是负面的。应用 网络入侵检测 信用卡欺诈检测 病理诊断 传统策略在稀有事件分析中的不足以网络KPI问题定位为例： 异常点处理：考虑KPI问题点和数据打点问题点的

模式识别 & 信息检索领域中的二分类问题中：Precision：识别样本中，相关的样本比例； Recall：相关样本中，识别的样本比例；如：在9只Dog和若干Cat构成的集合中，一个分类器识别出了7只Dog；其中4只识别正确，另外3只为Cat；此时：Precision = 4/7 Recall = 4/9precision & recall 分别于第I类和第II类错误；上例中包含了3个第I类错误