在BBDM-LAB摸爬滚打的日子（1）

今天是2018年5月25日，纠正了对交叉验证的错误认识，还在努力实现AUC和AUPr的计算。 MATLAB的矩阵计算思维我还掌握不了，好难受……

交叉验证，以5折交叉验证为例。
已知数据为n个links、一个反应矩阵interaction。
5折交叉验证所说的“将数据集分为5份，其中4份为训练集，另一份为测试集”，这里的“数据集”指的是links，而不是interaction。

解释一下为什么划分的不是interaction。假如划分的数据集是interaction，很有可能取出的测试集值全为0（矩阵稀疏的时候很有可能是这种情况），也就是说，没有真正例和假正例，根本就计算不了评估指标（AUC等），没有实际意义。

model_evaluation(real, predict)
那么，输入模型评估函数的参数real和predict是什么呢？
‘test_index = find(train_interaction==0)’
‘real = interaction (test_index)’
‘predict = scores(test_index)’
上面三行是MATLAB代码。
注意，train_interaction是把测试集包含的links全置为0之后的反应矩阵。
所以，参与计算AUC等指标的interaction中的元素 包括：
1. 未知的link（值本就为0的元素） 未知的link就当作不存在这个link
2. 测试集中的link（值本来为1，后置为0的元素）

TP 真正例：预测为真且属于测试集的link
FP 假正例：预测为真但属于未知link
TN 真反例：预测为假且属于未知link
FN 假反例：预测为假但属于测试集的link