数据背景

我们有一批两种类型值的数据，且这两种数据样本数量分布差异很大。

数据样本分布

数据集标准化

由于amount这个特征数量级远远大于其他特征，所有我们需要对其进行标准化。

Amount

对Amount这列数据进行标准化处理，即(减均值，除标准差)

标准化

然后替换掉Amount这列数据

剔除Amount后的数据

下采样

下采样

查全率与精度

一般我们使用精度来判断模型的准确性，但是精度并不是在所有情况下都适用，例如：

在1000个样本中，有10个负例，如果我们使模型总是认为样本预测结果为正常，则精确率应该为99.9%,但是却无法识别出任何一个负例，这种情况下，我们需要去使用另外一个概率--查回率。

说到查全率，我们先需要明确以下概率：

TP（true positives）正类判定为正例的个数。

FP（false positives）负类判定为正类的个数。

FN （false negatives）正类判断为负类的个数。

TN （true negatives）负类判断为负类的个数。

查回率recall = TP/TP+FN

如果继续沿用上面的例子，TP = 0,FN=10,recall = 0

交叉验证

首先，切分样本，将样本切分成训练集和测试集：

切分样本