算法的选择

1、使用朴素贝叶斯分类算法的结果

贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。

朴素贝叶斯的召回率高，但是准确率太低

2、随机森林算法

初步预测的结果，还未选最新的数据，明天接着来

全量用户预测：13万目标用户

使用正样本预测：5400用户，预测正确是4800用户

使用全部负样本预测：10万用户，预测为双降的用户6396个

3、使用NearestCentroid（类似knn算法，距离类算法）算法进行研究

使用决策树算法测试：决策树算法还可以也，我们拿来试试大批量的数据

我们拿来试试大批量的数据

10万负样本预测，跑出来11422个预测数据出来

正样本5400个，预测出来5007

使用tensorflow进行训练，损失函数一直下不来