# 那些年我们用过的二分类算法——小白级科普

# 目的
# 简单来说就是教给非科班出身只想尽快应用的你怎么解决Y=0/1这类模型的训练和评测

# 数据
# http://archive.ics.uci.edu/ml/da ... +Company+Benchmark+(COIL+2000)
# 烂大街的数据集，大概是保险公司的客户信息，反正Y要么是0要么是1，X有85个之多
# 这个数据已经把用于训练模型的和用于评价模型性能的数据分开了

# 算法
# 泊松回归、Logistic回归、SVM和随机森林
# Packages Used:   e1071,randomForest

### data import
train <- read.table(
  "http://archive.ics.uci.edu/ml/machine-learning-databases/tic-mld/ticdata2000.txt", header=F)

test <-cbind(
  read.table("http://archive.ics.uci.edu/ml/machine-learning-databases/tic-mld/ticeval2000.txt", header=F),
  read.table("http://archive.ics.uci.edu/ml/machine-learning-databases/tic-mld/tictgts2000.txt", header=F ))
names(test)[86] <- "V86"
head(train)

## models

复制代码

# 这两个货有什么区别，我不是太清楚，不过似乎Logistic用的多一些

#支持向量机

复制代码

#随机森林

复制代码

## evaluation
# 评价模型，主要是混淆矩阵和衍生的查全率、查准率，这里以Y=1为评价目标

复制代码

# 结论：论精度SVM最好，论速度logistic性价比最高。

# 不想玩深的话，把数据处理好，直接套就可以用了。

# 想玩深一点的话有以下议题：

# 1.step的logistic，稳健的Logistic，样本非平衡性处理后的Logistic

# 2.SVM的核函数各种调整，参数的各种调整

# 3.随机森林的各种调整

# 4.决策树、贝叶斯分类器以及其他