阿里对商家作弊行为检测主要用了逻辑回归而分类，线性支持向量机，随机森林和GBDT
特征列让我陌生了。除了F_score，还有a_score, b_score, p_score,r_score, ri_score, v_score；仔细一想，其实就是accuracy那一堆一般的概念。
这里直接照抄书里的一点内容了^_^
ROC曲线最初用来评价雷达性能，被称为接收者操作特性曲线，ROC曲线是根据一系列不同的阈值，得到相应的一系列而分类预测方式，每一个预测结果以一个点表示，每个点以真阳性率TPR为纵坐标，以假阳性率FPR为横坐标，再将所有的点连接起来，绘制成曲线。真阳性率代表获利能力，值越高获利越多。假阳性代表成本。斜率高的一段获利高，成本小。
ROC曲线的范围是由（0，1）、（1，1）、（1，0）、（0，0）四点构成的单位正方形区域。（0，1）代表灵敏（没有假阴性）和100%特异（没有假阳性），被称为完美分类器。而从左下到右上的线上的点为随机预测的结果。ROC曲线以上的代表好的预测结果，ROC曲线以下的代表差的一个结果。
最近GBDT比较火，仔细一看实际就是一种非线性回归。（深度学习本质也是非线性回归）
另外就是SOFTMAX。如果要求解的问题本身是个多分类问题，先使用softmax模型来处理，比如数据有4个特征，一共有三个分类情况，每个特征对分类结果的贡献权重为wi,k，对于输入加权求和，再分别加上偏置项，通过softmax函数将z1,z2,z3变成y1,y2,y3