这一篇介绍一下关于样本不平衡的处理的方式，主要介绍两种采样方式，分别是上采样和下采样。这里主要介绍最简单的上采样和下采样，更多的内容见文章中的链接。

这一篇简单介绍一下混淆矩阵的计算和绘制，混淆矩阵可以用来判断模型预测的结果。

这一篇简单介绍一下TF-IDF的相关内容，包括如何进行计算和如何使用sklearn和pandas进行结合的时候, 进行计算。

这一篇介绍一下关于LightGBM的简单使用方式。主要介绍一下各个参数的含义和一些简单的例子，简单的功能。

这一部分会对深度学习，机器学习的文章进行归类，方便查找与学习。

这一篇文章主要介绍分类问题的解决。主要介绍逻辑回归，从逻辑回归讲到他的损失函数的定义的来源，也就是Cross Entropy的来源。

这一篇文章主要介绍了如何从数据集中提取重要的原始特征的方法，这些特征是可能能对分类器的分类产生很好的效果。