【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
猜你喜欢
  • 2016-11-07
  • 2016-01-22
  • 2017-09-21
  • 2021-09-13
  • 2018-12-27
  • 2016-06-11
  • 2018-09-17
  • 2017-04-13
  • 2018-02-23
相关资源
最近更新 更多