最近在做天池的一個(gè)數(shù)據(jù)挖掘類的比賽等太，天池新人實(shí)戰(zhàn)賽o2o優(yōu)惠券使用預(yù)測(cè)
在網(wǎng)上找到的比較詳細(xì)的教程（答案）原在，O2O優(yōu)惠券使用預(yù)測(cè)（基于XGBoost）
有個(gè)數(shù)據(jù)實(shí)驗(yàn)指導(dǎo)書(shū)，這本書(shū)的教學(xué)非常詳細(xì)鹿寨，開(kāi)個(gè)文章做點(diǎn)筆記以及記錄自己的學(xué)習(xí)過(guò)程颂郎。
020優(yōu)惠券使用預(yù)測(cè)——實(shí)驗(yàn)指導(dǎo)書(shū)
基礎(chǔ)知識(shí)
1.評(píng)估指標(biāo)介紹
? ? 對(duì)于二分類的問(wèn)題谒获，可以根據(jù)真實(shí)類別和預(yù)測(cè)類別的組合劃分為True Positive，F(xiàn)alse Positive业簿，True Negative瘤礁，F(xiàn)alse Negative。TP+FP+TN+FN=總樣例數(shù)梅尤。
? ? 這四個(gè)組合是根據(jù)字面意思來(lái)理解的９袼肌！True Positive說(shuō)明是真正的positive克饶，說(shuō)明真實(shí)值為1酝蜒，預(yù)測(cè)值也為1；同理矾湃，True Negative說(shuō)明是真正的Negative亡脑，真實(shí)值為0，預(yù)測(cè)值也為0邀跃；自然霉咨，F(xiàn)alse Positive，就是假的Positive拍屑，真實(shí)值為0卻預(yù)測(cè)成了1途戒；False Negative，假的Negative僵驰，真實(shí)值為1喷斋，卻失誤預(yù)測(cè)成了0唁毒。
? ? 通常我們針對(duì)不同的場(chǎng)景需要不同的評(píng)價(jià)指標(biāo)去評(píng)價(jià)我們模型的好壞星爪。
1.1 F1-score
? ? 精準(zhǔn)率/查準(zhǔn)率 P (Precision)?
? ???（預(yù)測(cè)為正例的樣本中浆西，預(yù)測(cè)出真的是正樣本的概率）
? ? 查全率/召回率 R (Recall)
? ???（真正的正例樣本中，有多少真的正樣本被預(yù)測(cè)出來(lái)）
? ? F1-score
? ??
2.1 AUC(Area Under Curve)
? ? AUC是另一種評(píng)價(jià)二分類算法的指標(biāo)顽腾，AUC指的是ROC曲線下的面積近零。
? ? 所以，什么是ROC曲線抄肖？
? ? ROC曲線上的每一個(gè)點(diǎn)對(duì)應(yīng)一個(gè)閾值(Threhold)久信。一般的二分類的實(shí)現(xiàn)方法就是選擇一個(gè)閾值，將大于這個(gè)閾值的樣本認(rèn)為是正例漓摩，小于這個(gè)閾值的樣本認(rèn)為是反例裙士。例如，當(dāng)分類器的分類評(píng)分Score大于閾值0.6時(shí)幌甘，則認(rèn)為該分類器將樣本分成了正例潮售。當(dāng)閾值為0.5時(shí)，則為隨即分類锅风。
????將每個(gè)Score作為閾值，就得到了下面的折線圖鞍泉。橫坐標(biāo)為FPR(假正例率)皱埠，縱坐標(biāo)為TPR(真正例率)。TPR越高咖驮，則分類器分類效果越好边器，效果最好的點(diǎn)是(0,1)這個(gè)點(diǎn)。說(shuō)明所有點(diǎn)都分類正確托修，沒(méi)有誤分類的點(diǎn)忘巧。
? ???（預(yù)測(cè)正例正確的樣本占所有真正的正例的比例）
? ???（誤測(cè)成正確的樣本占所有真正的負(fù)例的比例）
? ? 舉個(gè)例子！Ｉ尽际长！設(shè)樣本4的Score為閾值，則樣本1兴泥，樣本2工育，樣本3和樣本4因?yàn)镾core大于等于0.6，所以這四個(gè)樣本都會(huì)被分成正例（樣本4也算）搓彻。但是如绸！實(shí)際上只有樣本1和樣本2嘱朽，樣本4是正例，所以TPR=3/10怔接。TPR越高說(shuō)明預(yù)測(cè)正確的概率越大搪泳，所以TPR越高越好。
? ? 當(dāng)樣本足夠多的時(shí)候蜕提，折線就會(huì)近似為圓滑的曲線森书，如下圖
? ? ? ? 在ROC去線上方的分類器A肯定比分類器B要好。而AUC又表示的是ROC曲線下方的面積谎势，所以AUC越大凛膏，說(shuō)明二分類時(shí)的閾值越高，即所有分類器分類效果都很好脏榆，TPR越大猖毫。（如果閾值很低，即曲線遠(yuǎn)離左上方的點(diǎn)须喂，則會(huì)增大FPR的值吁断，即會(huì)把真實(shí)的負(fù)例誤分類成正例）
一、問(wèn)題分析
? ? ? 題目背景：
二坞生、數(shù)據(jù)預(yù)處理
三仔役、特征工程
四、模型訓(xùn)練
五是己、模型驗(yàn)證
六又兵、輸出結(jié)果
二分類問(wèn)題常見(jiàn)的評(píng)價(jià)指標(biāo)l
