【统计知识】 2

小白学数据，只为记录学习进程，对每个问题有新的理解会及时更正。

一、ROC曲线
TPR = TP / (TP+FN):召回率(Recall)
FPR = FP / (FP+TN)
TP / (TP+FN):精确度(Percision)
(TP+TN) / (TP+FP+TN+FN)：正确率

二、等深划分，等宽划分
等深划分：保证每个划分区间的长度一样
等宽划分：保证每个区间里面的数据数量一样

三、数据的属性类型
1、标注属性
2、二元属性：只有两个状态，0和1，比如性别属性
（对称二元属性：属性的两个状态的权重相同，例如：“性别”这一属性的取值“男性”，“女性”。
非对称二元属性：即状态的权重不相同，例如：“HIV”有“阴性”和“阳性”，阳性比较稀少，更重要）
3、序数属性：离散的等级评定属性，比如优，良，及格，不合格
4、区间标度属性：可以比较的数值属性，但没有绝对0点，故没有倍数关系，比如摄氏度
5、比率标度属性：可以比较，可以有倍率关系的数值属性
6、离散属性、连续属性

四、数据抽样的方法
1、简单随机抽样（有放回和无放回）
2、分层抽样：当某些属性的值会明显影响预测结果的时候，选择分层抽样，比如性别男女，根据性别的比列，从男女中抽样出等比例的样本
3、系统抽样：确定好区间个数和区间长度，在每个区间的相同位置抽取样本，即等差数列的抽法
4、渐进抽样：当样本数量不确定，我们可以先确定一个较小的数当作样本数目，然后不断增大样本数，观察准确率，选择准确率开始稳定的样本数量。