2019-03-15试了下SVM
精确率: 0.843
召回率: 0.717
F1值: 0.775
可以通过人的行为（反动言论，购物情况，日常行为）分析预测人群的标签，比如反社会人格，小众爱好者
也可以，反过来通过人的标签（爱喝酒程度，注意力集中度，运动量等）分析人的行为（车祸，罕见疾病的发生）展开作者回复: Good Job
4
2019-09-14继续上面的问题。就是，我就是银行信用卡部的工作人员。假设我通过fit()方法得到了信用卡诈骗分析的逻辑回归。假设特征是：性别、收入、是否有房子、是否有车子、是否有助学贷款、是否有公积金这几个特征。我通过fit()方法得到了这个有这些特征的逻辑回归曲线。我如何找到每一个特征前面的系数呢？-----说得直白点，我作为银行信用控制部门工作人员，希望知道上面的特征，哪一个是最重要的，哪一个次重要？哪一个不重要？这样我才能对我的信控工作作出调整。比如我假如知道了是否有助学贷款这个特征不重要，那么我就可以在未来工作中，在银行客户是否允许开信用卡的条件中，取消这个是否有助学贷款的条件，从而给银行信用卡开卡工作带来业务效益。作者回复: 很好的问题，你可以进行分类之后，查看下分类器中特征向量的重要程度，然后进行可视化的呈现，比如我们的分类器是clf，使用matplotlib进行可视化，具体代码如下：
# 显示特征向量的重要程度
coeffs = clf.feature_importances_
df_co = pd.DataFrame(coeffs, columns=["importance_"])
# 下标设置为Feature Name
df_co.index = train_features.columns
df_co.sort_values("importance_", ascending=True, inplace=True)
df_co.importance_.plot(kind="barh")
plt.title("Feature Importance")
plt.show() 2 3
2019-03-151、使用LinearSVC输出的结果：
精确率:0.846
召回率:0.733
F1值:0.786
2、结果代码，把
# 逻辑回归分类
clf=LogisticRegression()
clf.fit(train_x,train_y)
predict_y=clf.predict(test_x)
更换为：
#线性SVM分类
from sklearn import svm
model=svm.LinearSVC()
model.fit(train_x,train_y)
predict_y=model.predict(test_x)展开作者回复: Good Job
3
2019-03-19用SVM的LinearSVC算法进行分类
精确率:0.846
召回率:0.733
F1 值:0.786
如果F1值越大，代表的模型的结果越好，那么SVM应该是优于逻辑回归，但是，从计算时间上来看，用逻辑回归算法比用SVM要节约50多秒（在我本地环境，其他条件不变的情况下）作者回复: Good Job
2- 2019-09-14对本期的信用卡诈骗分析中，涉及逻辑回归（LogisticRegression）有几点问题，我在网上找了大量资料都找不到答案。特地求助~
1. 逻辑回归数学公式中，求出的值，是介于（0,1）之间。LogisticRegreesion的predict()方法，会设定一个阈值，比如是0.5，把大于0.5的逻辑回归值，设为1，相反小于0.5的，设置为0。那么我的问题是，为什么要设置0.5？是固定的吗？如果我希望把阈值(threshold)提高到0.6，如何设置？---我看了无数遍API，就是找不到如何设置这个阈值。
2. 如何看逻辑回归的各个参数。假设我通过fit()这个方法对训练集进行训练，得到了逻辑回归的各个target的值，即我已经得到了这个逻辑回归的各个参数了。假设有10个特征。我如何知道每一个特征前面的变量呢？作者回复: 0.5是个阈值，一般做二分类的时候，大于0.5可以认为是1，小于0.5认为是0，=0.5的时候 可以是0或者1，概率都是一样的
1 1 
2019-03-210、所有的小概率事件都属于不平衡数集，比如得某种病，出现车祸或者意外
1、LinearSVC结果：
精确率:0.845
召回率:0.732
F1值:0.778
2、结果代码，把
# 逻辑回归分类
clf=LogisticRegression()
clf.fit(train_x,train_y)
predict_y=clf.predict(test_x)
更换为：
#线性SVM分类
from sklearn import svm
model=svm.LinearSVC()
model.fit(train_x,train_y)
predict_y=model.predict(test_x)展开作者回复: Good Job
1- 2019-03-15逻辑回归混淆矩阵对应的TP、FP、TN、FN的位置，以输出的混淆矩阵图为例，
1）首先这四个概念的定义
1. TP：预测为正，判断正确；
2. FP：预测为正，判断错误；
3. TN：预测为负，判断正确；
4. FN：预测为负，判断错误。
2）回归原图
1、predicted=1，True=1，代表预测为正，判断正确，所以TP=37
2、predicted=1，true=0，代表预测为正，判断错误，所以FP=7
3、predicted=0，true=1，代表预测为负，判断错误，所以FN=23展开作者回复: 总结的不错
1 
2020-01-07特征选择中为什么要drop掉amount这个特征呀？上一步amount不是刚标准化嘛？
2019-08-09我以为程序是判断一笔交易，是否是不正常的。作者回复: 这个是可以判断的
2019-07-30
***********The evaluation of split test data.*************
Accuracy-Test data: 0.9601
************************************************************************************************************************
Kappa: 0.07924493469331251
************************************************************************************************************************
Confusion matrix,↓real laebl, →predict label”
0 1
0 9583 397
1 2 18
************************************************************************************************************************
precision recall f1-score support
0 1.00 0.96 0.98 9980
1 0.04 0.90 0.08 20
accuracy 0.96 10000
macro avg 0.52 0.93 0.53 10000
weighted avg 1.00 0.96 0.98 10000展开作者回复: Good Job 认真做练习的同学
2019-07-18(0, 0)格子真实值和预测值都为0，称为预测Negative正确，记作True Negative，简写为TN。
(0, 1)格子真实值为0，但预测值为1，称为预测Positive错误，记作False Positive，简写为FP。
(1, 0)格子真实值为1， 但预测值为0，称为预测Negative错误，记作False Negative，简写为FN。
(1, 1)格子真实值和预测值都为1，称为预测Positive正确，记作True Positive，简写为TP。作者回复: 解释正确
2019-06-05老师 为什么只依靠查准率无法判断模型的好坏呢？我试过很多情况，让我感觉是基本上都可以通过查准率判断模型好坏- 2019-06-01老师 X = np.array(data.as_matrix()) ，将dataframe转化成ndarray格式不是必须步骤吧，转化之后是有什么性能上的提升吗？
2019-04-11老师FN应该是28414吧？
2019-03-24好神奇，我之前也做过这个kaggle项目，这个是样本不平衡数据集，我当时没做处理的时候误判率好高，后来才有SMOTE处理之后才好点，但是看老师这个也没做处理，和我之前的差距好大，还要继续琢磨比对看看我之前错在哪了，当然也希望陈老师能指点一下
2019-03-24老师，我看到，在预测比特币走势的最后一张图表上，实际值与预测值尽管趋势类似，但是在发生的时间上，测试值比实际值晚了一段时间，请问有什么方法尽量缩短这个时间序列的间隙么？多谢🙏作者回复: 不太可能完全吻合
2019-03-19model = svm.SVC()
model.fit(train_x, train_y)
predict_y = model.predict(test_x)
cm = confusion_matrix(test_y, predict_y)
show_metrics()
精确率：0.953
召回率：0.683
F1值：0.796展开作者回复: Good Job
- 2019-03-15好奇问一下，老师你制作分析图的这个软件是什么？ 1
- 2019-03-15不平衡数据：
1.欺诈预测（欺诈的数量远远小于真实交易的数量）
比如，本节内容的信用卡欺诈交易
2.自然灾害预测（不好的事情远远小于好的事情）
3.买彩票中奖（小概率）
4.在图像分类中识别恶性肿瘤（训练样本中含有肿瘤的图像远比没有肿瘤的图像少）展开作者回复: 很好的分享，不过彩票这个很难预测
- 2019-03-15不均衡数据集是指，数据集中每个类别下的样本数目相差很大。
比如，在客户流失的数据集中，绝大部分的客户是会继续享受其服务的（非流失对象），只有极少数部分的客户不会再继续享受其服务（流失对象）
又如，检查出厂冰箱的合格率，本来合格率就高达了96%。如果对样本进行检测，准确率也是很高的，那么将会无法判断次品。
再如，检查邮件中的垃圾邮件，因为垃圾邮件占全部邮件极少的部分，所以也是属于不平衡数据集作者回复: 总结的不错