机器学习之异常检测算法

机器学习算法建模流程：

• 1.获取数据，并数据清洗；
• 2.数据集分为训练集和测试集
• 3.建模机器学习模型；
• 4.训练模型：k折交叉验证，就是将训练集随机分为K份，然后，我们依次选择其中的k-1份来进行训练，剩下的1份用来进行测试，循环k次（每次组合的K-1份都不相同）
• 5.通过训练出的模型去测试测试集数据

介绍几种常用的性能度量的指标

下面来说下解释下TP,FP,TN和FN

TP(True Positive):真正例，即将一个实际为正例的样本正确的判断为正例

FP(False Positive):假正例，即将一个实际为负例的样本错误的判断为正例

TN（True Negtive）:真负例，即将一个实际为负例的样本正确的判断为负例

FN（False Negtive）:假负例，即将一个实际为正例的样本错误的判断为负例

查准率(Precision):

预测为正例的样本中，实际为正例所占的比例，公式为： Precision=TP/(TP+FP)

查全率（也叫做召回率）(Recall):

正确预测为正例的样本数占所有正例的比率，公式为： Recall=TP/(TP+FN)

准确率(Accuracy):

所有样本中，预测正确的所占的比例，公式为： Accuracy=TP+TN/(TP+FP+TN+FN)

数据集类不平衡问题采样方法

类不平衡是说在训练分类器模型时，样本集中的类别分布不均匀，比如上面那个问题，300000个数据，理想情况下，应该是正负样本数量近似相等；而像上面正样本300000个，负样本只有500个，这个就存在严重的类不平衡问题。

为啥要避免这个问题呢？从训练模型的角度来说，如果某类的样本数量很少，那么