第十七章：携手 (6 / 7)
        兔子啦：“哦，那这个项目是根据用户的信息，然后计算其信用度，并根据信用度，考虑是否给他贷款。这个，应该是宁可把信用高的归错，也不能误给信用低的贷款咯”

        周启源：“是的，所以你应该用召回率（查全率），recall，作为筛选模型的指标”

        兔子啦：“(⊙o⊙)…，我灵魂都碎一地了”

        周启源：“我觉得，不要认为某人是博士后，就一定要向他看齐。因为AI是新兴技术，他们有些故步自封，早已被淘汰。人们碍于其威望，不愿告诉他这个事实罢了。当然，我们心照不宣，不说也行”

        兔子啦：“嗯嗯”

        周启源：“人们总是看重资历，因为老酒醇，老姜辣。但是，他们在看重资历的时候，总无法想起岁月是一把杀猪刀。老人们比年轻人积累得多，但他们未必不会忘得比较多。老人们虽然学的东西多，但未必接受新事物的能力强于年轻人。老人们比年轻人多出一些东西，但同时年轻人也比老人多另一些东西。但事实往往是人们忽略了年轻人的东西，而看重老年人的东西。”

        “特别是在AI这个领域，我认为年轻人的多出的东西，远远比老年人多出的东西，价值要大。可是，陈腐的观念，永远是带着放大镜，放大年轻人的缺点，老年人的优点。我真心希望，你不要戴着这种有色眼镜看待别人，看待自己。”

        兔子啦：“听君一席话，胜读十年书[抱拳]”

        周启源：“好啦，你试试用分类问题能不能解决呗”

        兔子啦：“看了一下数据分布，感觉低分群体的样本量太少了，用过采样行吗？”

        （注：低分群体少，意味着类别不均衡。类别不均衡，就可能导致模型效果差。比如一个样本中，类别一和类别二的样本量比值为99:1，那么一个只会点头的模型，就有可能达到99%的准确率。这里的过采样，就是要将类别二的样本数量增多，解决类别不均衡问题。）

        周启源：“我的建议，先欠采样删样本容量多的，再过采样，加少的。类别不均衡问题的话，可以用一个叫imblearn的模块，里面有现成的代码”

        “不过，欠采样、过采样也要好多方法的额。。你有得学了”

        兔子啦：“[哭]他们什么破服务器哟，不让联外网，pipinstall用不起”

        内容未完，下一页继续阅读

更多完整内容阅读登陆

《墨缘文学网，https://wap.mywenxue.org》