【问题标题】:ROC Curve and precision recall curveROC 曲线和精确召回曲线 【发布时间】:2020-04-18 13:26:22 【问题描述】: ROC 曲线的基本假设是什么? ROC 曲线的哪一部分对 PR 曲线的影响更大? 【问题讨论】: 阅读此discussion 交叉验证讨论 ROC-AUC 与 AUC-PR。 标签: machine-learning roc auc precision-recall 【解决方案1】: ROC 曲线总结了使用不同概率阈值的真阳性率和假阳性率之间的权衡。 Precision-Recall 曲线总结了使用不同概率阈值的真阳性率和阳性预测值之间的权衡。 ROC 曲线适用于目标类是平衡的,而 Precision-Recall 曲线适用于不平衡的数据集。 这里有一个很好的article,可以加深理解。 【讨论】: 我还要添加this one 以获取有关不平衡数据集评估指标的更多信息