数据集理解
赛题中一共给了三个数据集，其中train.csv为训练数据，有八十万条，testA.csv为测试数据，共二十万条。
数据一共有47列，主要特征如下：
预测指标
1.混淆矩阵
主要包括以下四个部分：
（1）若一个实例是正类，并且被预测为正类，即为真正类TP(True Positive )
（2）若一个实例是正类，但是被预测为负类，即为假负类FN(False Negative )
（3）若一个实例是负类，但是被预测为正类，即为假正类FP(False Positive )
（4）若一个实例是负类，并且被预测为负类，即为真负类TN(True Negative )
2.准确率
即预测正确的样本占总样本的比例
3.精确率
即正确预测为正样本占所有预测为正样本的比例
4.召回率
及正确预测为正样本占正样本的比例
5.F1_Score
是一个综合了精确率和召回率的指标
6.ROC
TPR：在所有实际为正例的样本中，被正确判断为正例的比率
FPR：在所有实际为负例的样本中，被错误判断为正例的比率
我的理解是，通常情况下TPR总是大于FPR，所以ROC曲线面积总是在0.5到1之间，AUC也就在这个范围内。