第二哈根做交叉验证，把原有的数据集分成5份传进来，第三行代码是正则化惩罚项（当用两种模型对同一数据集进行预测的时候，如果两种模型的召回率相同，选择方差小的，方差小可以防止过拟合，怎么选择第二种模型，进行正则化，本例用的正则化惩罚项，惩罚sita，让其惩罚第一种模型的力度大，惩罚第二种模型的力度小，在目标函数或者损失函数上加上（W的平方）/2（或者加W的绝对值），这样第一种方法的loss就会比第二种方法大很多，设置一个系数，用系数×惩罚项（（W的平方）/2（或者加W的绝对值）），代表惩罚力度，系数设为多少惩罚力度会更好一点呢？用交叉验证去评估什么样的模型会达到一个更好的效果。）第三行代码数组里面存放的是惩罚力度的系数，去尝试哪一个系数值比较好，第一个for循环是选择合适的系数，第二个for循环（第二张图的第一个for循环）是进行交叉验证（所平均分的每一段都作为验证集，验证一次）。第二张图的第三行代码的l1是用l1进行惩罚(l1惩罚是（w的平方）/2；l2惩罚是|W|)；
第三张图都是打印操作。
看哪一个参数让召回率最高，0.01的时候召回率最高。
混淆矩阵，X轴是预测值，Y轴是真实值，正例预测成正例有137个，正例预测成了反例有10个，此时的recall=137/（137+10）；精度 =（129+137）/（129+137+10+20）
（下采样）进行测试的结果，红色框是recall值（135/（12+135））
这里有一个问题，0代表不患癌症，1代表得癌症，误杀了8581人，但是不影响召回率，下采样面临着一个误杀的问题。
如果用原来数据进行测试，不用上采样，也不用下采样。对于样本极度不均衡的数据集，召回率都普遍偏低
逻辑回归的sigmoid函数默认分割点是0.5，也就是当预测值是0.7的时候认为是1（得癌症），当预测值是0.3的时候认为是0（不得癌症），但是这个分割点是可以调节的，比如说调节成0.7，当预测值是0.8的时候认为是1，当预测值是0.65的时候认为是0.
调节函数是第三行代码的predict_proba函数，第四行矩阵里存储的数字，是调节的分割点。
宁肯错杀一万也不放过一个的时候，recall值很高（=1），但是精度低，在评估一个模型的时候，不能只看召回率，要多角度评估，从实际出发。在本例中0.5比较合适。
