捕捉少数类的艺术-少数类的评估指标

精确度：查准率precision 

召回率recall：敏感度sensitivity、真正率、查全率

F1 score

F1 measure在【0，1】之间分布，越接近1越好

   机器学习的分类及算法

1. 有监督学习：标签、特征、

分类（classification）和回归（regregression）

2. 无监督学习：

不带任何标签的数据

聚类clustering 数据分成不同组别

和降维dimensionality reduction追求用更简单的方式

3. 半监督学习

在数据不完整的情况下使用

4.强化学习 

深度学习框架  试错 奖惩指导行为

1、评估指标

精确度

召回率

f1 score

2、机器学习分类

有监督学习；分类任务-离散值；回归任务-连续值

无监督学习（不带标签的数据，让数据自己介绍自己）：聚类任务；降维任务

半监督学习

强化学习，试错方式

算法体系：

有监督学习：指对数据的若干特征与若干标签之间的关联性进行建模。

无监督学习：不带任何标签的数据特征进行建模；聚类、降维。

强化学习：

半监督学习