问题：
为什么一定要处理样本不均衡？
什么是交叉检验
什么是正则化惩罚
怎么运用交叉检验
怎么运用正则化惩罚
以信用卡异常来举例，0是正常，1是异常
简单观察数据（这里的数据已经经过预处理），发现样本不均衡情况，（常理）0的数量比1的数量多得多。
处理样本不均衡有两种方法，一是下采样（使之一样少），二是过采样（使之一样多）
为什么一定要处理样本不均衡？
如果样本不均衡的时候，训练模型的时候，容易误杀，换而言之，就是容易找不出异常的，不清楚异常的数据是怎样的
因为模型遇到的大多数都是正常的数据，那么参数也很容易是为了能够识别正常的数据而进行的调整。
但我们的目标很明显——是为了识别出那些异常的数据。那么就不可以直接用样本不均衡的模型来预测，效果肯定是不好的。
下采样：使01两个类别的数据一样少。
那么就是对0（数量多的那一个类别）进行随机抽样，抽取的数量和1相同。之后合并两个数据（抽样的0和完整的1，两个数据）
很明显，合并后的数据数量肯定是少的多，我们进行最后的测试，自然不能在下采样数据集的测试集上做，下采样数据集不能反映原数据集的分布规律。
同样因为数据少的问题，下采样与过采样相比，误杀率会高（把0当做了1的部分数量较多），精度会低，recall相对会高那么一点。
过采样：使01两个数据一样多。
对1（数量少的那一个类别）进行SMOTE生成策略，先对1的每一个样本找其近邻，确定扩展的倍数，例如5倍，那么就找每个样本自己的5个近邻，对每一个近邻进行新数据的生成（用到随机函数），那么每一条样本都能生成5条新的类似的数据，最后整个样本就扩大了5倍。
过采样因为数据多，训练的效果其实会比下采样好一点，精度更高一点，也就是误杀更低。
因此我们大多数遇到样本不均衡的问题首选过采样。数据多，调整的参数也更加合适。
交叉检验
交叉进行检验的意思吧
对训练集进行均等分，然后选择其中几个当做训练集，另一个当做验证集
在调整参数阶段，用训练集训练，用验证集当做调整效果的检验
同时，最后这是多组检验后的效果
例如，我们对训练集均等分3份，那么
1+2作为训练集，3作为验证集
1+3作为训练集，2作为验证集
2+3作为训练集，1作为验证集
经过三次的调整
在最后的测试之前也能知道模型的效果（累和测试的结果，然后取均值），同时也能更好调整参数和后面对模型的补充，如正则化惩罚。
正则化惩罚
在原有模型后面加上正则化惩罚，如L1,L 2。
正则化惩罚是避免参数泛化程度过高或过低，也就是避免过拟合和欠拟合的情况。
也就是有些参数的权重太大，有些太小，那么就很容易筛选出某些类型的数据（适应了训练集中的数据），这时候就是过拟合了
应用正则化惩罚，需要确定其惩罚力度，对应不同的情况需要的力度也不同
也就需要不断地去尝试，直到找到一个模型效果不错的力度