# 3/18中研meeting
[TOC]

## 大老師
* threshold
* macro
* weighted sum(micro)
* uniform weighted(macro)，看有幾個 class，將class值相加 除以class 個數
* rare event(猜到爆炸)
* 用regression(漲跌幅)
* 改loss function (mse)
* bp 萬分之一？
* volatility

## 偉聖學長
* 要特別注意 micro，不同地方有不同意義
* micro diff
* weighted record(old micro?)

## 小老師
* 交易策略(大漲才買，其他賣？)
* 不要MAML？

## 丞文學長
* micro recall
* micro precision
* macro reacll
* macro precision
* regular accuracy
* balance accuracy

* F1-score?

balance

we

## 荃伊

* 改loss function

---
# 小筆記

## 分類常用的性能評估
[分類常用的性能評估](https://zhuanlan.zhihu.com/p/30953081)

TP
: 將正類（+）預測為正類（+）的樣本數

FN
: 將正類（+）預測為負數（-）的樣本數

FP
: 將負類（-）預測為正數（+）的樣本數

TN
: 將負類（-）預測為負數（-）的樣本數

$Accuracy = \frac{TP + TN}{TP + FN + FP + TN}$

$Error = \frac{FP + FN}{TP + FN + FP + TN} = 1 - Accuracy$

Precision
: 猜正類（+）真正是正類（+）的比例
$Precision = \frac{TP}{TP + FP}$

Recall
: 在所有猜對樣本 ==猜正（+）是正（+）、猜負（-）是負（-)== 裡是正類（+）的比例
$Recall = \frac{TP}{TP +FN}$