第2.3章：逻辑回归（Logistic Regression）_案例实战02异常交易检测

popo-shuyaosong

于 2019-08-27 22:43:27 发布

阅读量1.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：正则化与交叉验证样本不均衡问题_过采样&amp;amp;欠采样模型评价参数混淆矩阵逻辑回归的阈值

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_41577426/article/details/100109784

本文通过逻辑回归模型解决异常交易检测问题，探讨了样本不均衡的处理方法，包括欠采样、交叉验证与正则化、调整逻辑回归的阈值，以及过采样的应用。通过混淆矩阵分析模型性能，并总结了关键知识点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第2.3章：逻辑回归_样本不均衡问题

1.模型评估方法
2.导入数据
- 2.1数据预处理
3.解决样本不均衡问题
4.知识点小结

1.模型评估方法

模型评估方法

2.导入数据

导入数据

2.1数据预处理

数据预处理

3.解决样本不均衡问题

解决样本不均衡问题

3.1 欠采样

欠采样

3.2 交叉验证与正则化

交叉验证用于调参。数据集划分为训练集和测试集之后，测试集是模型最终完成后用来检验的，是很宝贵的不能动。而模型建立其实也就是参数的确定过程，我们需要观察各种参数组合下的模型效果进而确定最佳的那组参数，既然测试集是不能动的，于是就考虑从训练集中划出一部分数据进行效果测试，这部分就叫做验证集，划分验证集的过程在下面进行了介绍。采用这

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。