这一篇文章主要介绍一下ROC曲线和AUC值, 两者是什么, 是如何进行计算的, 以及在实际使用的过程中我们应该如何写代码来得到想要的图像和计算出想要的指标.

这一篇会介绍关于模型的评价指标，介绍每个指标的含义以及如何进行计算和如何代码实现。

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。