PROJ 2A Spam & Ham I

Recording
Slides
Type
Proj
在分类任务上，找特征时，可以找不同类别下最大的不同的特征。当特征是二进制的时候，可以判断该特征在不同类别下各自的占比，当特征是数值型时，可以判断该特征在不同类别下的分布
pandas .melt将宽格式转为长格式，可以直接用来在sns上绘图
 
 
notion imagenotion image
学会计算多个分类指标，如召回率，精确率等。

tp = np.sum((Y_train == y_train_pred) & (Y_train == 1))
tn = np.sum((Y_train == y_train_pred) & (Y_train == 0))
fp = np.sum((Y_train != y_train_pred) & (Y_train == 0))
fn = np.sum((Y_train != y_train_pred) & (Y_train == 1))

precision = tp / (tp + fp)
recall = tp / (tp + fn)
far = fp / (fp + tn)
深刻理解 tp tn fp fn 的含义，其中第一个字母表示是否预测正确，第二个字母表示模型预测结果。
在垃圾邮件分类中，显然精准率更加的重要，但是在癌症检测中，召回率更加重要。