pr曲線與roc曲線都是評價乙個機器學習演算法的標準，那麼不同點在**呢，首先我們還是看下面幾個值：
-tp(真正) 實際正
-fp(假正) 實際負
-tn(真負) 實際負
-fn(假負) 實際正
與roc曲線不同的是，pr曲線用(precision)準確率和(recall)召回率分別作為橫縱座標。
precision = tp / (tp + fp)
recall = tp / (tp + fn)
準確率就是說**為正例的樣本裡面有多少真的是正例。
召回率就是說所有的正例裡面有多少被我們**為正例了。
f值 = 1 / (1/precision + 1/recall)
如果我們要求按照優先順序先提公升precision和recall其中的乙個，應該怎麼選呢。那麼在我從事的個性化推薦與使用者打交道的場景下，應該是提公升precision更好一些，畢竟precison更高，ctr也會更高一些，使用者的感知應該也是不太明顯的。
PR曲線與ROC曲線
pr曲線中的p代表的是precision 精準率 r代表的是recall 召回率 其代表的是精準率與召回率的關係，一般情況下，將recall設定為橫座標，precision設定為縱座標。在機器學習中，分類器往往輸出的不是類別標號，而是屬於某個類別的概率值，根據分類器的 結果從大到小對樣例進行排序，排...
ROC曲線與PR曲線對比
tpr tpp tpt p fn tpr frac frac tpr pt p t p fn tp fpr fpn fpf p tn fpr frac frac fpr nf p f p tn fp roc曲線的縱座標為tpr，真正率，其實也是召回率。分母為所有實際正樣本。roc曲線的縱座標為fpr...
ROC曲線 PR曲線
在 的結果分析中，roc和pr曲線是經常用到的兩個有力的展示圖。1.roc曲線 roc曲線 receiver operating characteristic 是一種對於靈敏度進行描述的功能影象。roc曲線可以通過描述真陽性率 tpr 和假陽性率 fpr 來實現。由於是通過比較兩個操作特徵 tpr和...