我们做特征工程的最终目标是模型表现要超过基线模型，目的是挑选/构造出区分度好和目标相关性强/ 对目标值的区分能力比较强的特征。f1_score2 精准率 * 召回率/ 精准率 + 召回率。AUC指标取值范围 0.5 ~ 1。使用模型：KNN，线性回归，逻辑回归，决策树，朴素叶贝斯等等。创建对象, 使用训练集fit测试集predict。精准率 TP/TP+FP。召回率 TP/TP+FN。特征的系数：