扫码加入数据分析学习群

1.欺诈识别方法：逻辑回归、异常检测聚类；

2.评分卡分类：申请评分卡、行为评分卡、催收评分卡；

3.判断过拟合的条件：(1).训练集的判定系数大于90； (2).训练集的判定系数减去测试集的判定系数得出一个负值时，可能是欠拟合；

4.数据分区是来评估模型是否有过拟合问题；

5.判定系数只适用于连续型变量；

6.当y的各取值所占比例不平衡时，得出的正确率不可信；

7.谐波平均数：f1=2P*R/(P+R) R:召回率，一个都不能漏 P：精确度，一个都不能出错

8.看正确率：最大组除以最小组的结果在3以内 看谐波平均数：当y的各取值所占比例不平衡时；

9.评估模型是否有过拟合问题的方法：决策树、网络搜索；

10.如果交叉验证的结果间存在差异大于5%，那么可能存在过拟合问题；

11.一般CV设置为6，交叉验证主要用在决策树、网络搜索中；

12.预测：内衍（老客户--xtrain） 外推（新客户）

13.归因：主次归因、规则归因（决策树,贝叶斯）；

14.大多数情况下，统计学主要是主次归因 机器学习主要是内衍预测 深度学习主要是外推预测；

15.概率越大，熵越小，确定性越大，当概率为0.5时，不确定性最大；

16.SGDClassifier：当Y为分类变量时；

17.在线/核外学习：可以运行超大行数据；

18.线性svm用于解决列大于行的场景 ，modified_huber用于数据中存在异常值的场景，log用于归因、预测概率p的场景；

19.正则化常用于解决共线性、稀疏、过拟合问题；

20.两个重要的全局参数：（1）earning_rate（学习率） : string,默认'optimal' （2）validation_fraction : float, default=0.1，验证集比例；

21.注意：网格搜索用于小数据；