积分商城

最新搜索： 方禾 F66-B authorware4.0 凌阳 UDS rk3588 蓝桥杯
您现在的位置是：首页 > 技术资料 > PR曲线与PR-AUC.docx
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

PR曲线与PR-AUC.docx

更新时间：2026-08-16 14:17:58 大小：14K 上传用户：烟雨查看TA发布的资源 标签：PR曲线PR-AUC精确率召回率混淆矩阵 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

PR曲线与PR-AUC

基本概念

混淆矩阵基础

在介绍PR曲线前，需要先明确二分类任务中混淆矩阵的四个基础指标：

· 真正例（TP）：实际为正样本，被模型预测为正样本的数量

· 假正例（FP）：实际为负样本，被模型预测为正样本的数量

· 真负例（TN）：实际为负样本，被模型预测为负样本的数量

· 假负例（FN）：实际为正样本，被模型预测为负样本的数量

精确率与召回率

基于混淆矩阵，可以得到两个核心指标：精确率（Precision）和召回率（Recall），计算公式分别为：$$Precision = \frac{TP}{TP+FP}$$$$Recall = \frac{TP}{TP+FN}$$

精确率衡量的是：所有被预测为正的样本中，真正为正样本的比例，反映模型对负样本的区分能力，精确率越高，说明模型越不容易把负样本错分成正样本。召回率衡量的是：所有真实正样本中，被模型正确预测为正样本的比例，反映模型对正样本的识别能力，召回率越高，说明模型对正样本的漏检越少。

PR曲线的定义与绘制逻辑

PR曲线全称Precision-Recall曲线，是用来评估二分类模型性能的一种可视化工具，核心思路是通过改变分类的阈值，得到不同阈值下的精确率和召回率，然后以召回率为横轴、精确率为纵轴，把所有点连接起来得到的曲线。

绘制PR曲线的基本步骤：



部分文件列表

文件名 大小
PR曲线与PR-AUC.docx 14K

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号