一、什么是P-R曲线？

要知道什么是P-R曲线，首先，我们要先了解P和R分别代表什么意思。

“P”是“precision”，代表准确率。
“R”是“recall”，代表召回率。
而要计算准确率和召回率，我们要先了解一下混淆矩阵。↓↓↓

实际 \ 预测	负	正
负	TN	FP
正	FN	TP

TP（true positive）:实际为正例，预测为正例；
FN（false negative）：实际为正例，预测为负例；
TN（true negative）：实际为负例，预测为负例；
FP（false positive）：实际为负例，预测为正例。

了解了混淆矩阵，我们就可以通过混淆矩阵计算准确率和召回率。

准确率：precision = TP / (TP + FP)
召回率：recall = TP / (TP + FN)

以西瓜为例，准确率可以理解为被预测为好瓜的西瓜中确实是好瓜的概率，而召回率可以理解为所有的好瓜中被预测为好瓜的概率。

知道了准确率和召回率的计算方法，我们就可以开始着手绘制P-R曲线了。
以召回率(recall)为横轴，以准确率(precision)为竖轴，绘制而成的曲线就为P-R曲线了。

二、什么是ROC曲线？

ROC （Receiver Operating Characteristic Curve）：受试者工作特征。

类似P-R曲线，根据学习器的预测结果（概率）对样例排序，并逐个作为正例进行预测，以“假正例率(False Positive)”为横轴，“真正例率(True Positive)”为纵轴可得到ROC曲线。

三、P-R曲线与ROC曲线有什么用？

我们可以利用曲线来比较不同二分类模型之间性能的优劣。

主要有三种方法：
1.用曲线与坐标轴围成的面积作比较，这个面积也叫AUG值，我们一般认为AUG值大的模型性能更优。

2.取出P=R的值作为平衡点，我们一般认为平衡点大的模型性能更优。

3.计算F1= 2 * P * R / (P + R)，F1值越大的模型越稳定。

三、绘制P-R曲线代码

import matplotlib.pyplot as plt
import numpy as npif __name__=='__main__':TP=np.array([5,4,4,4,4,3,3,2,2,1])FN=np.array([0,1,1,1,1,2,2,3,3,4])FP=np.array([5,2,2,0,0,0,0,0,0,0])P=TP/(TP+FP)R=TP/(TP+FN)plt.plot(R, P)plt.xlabel('Recall')plt.ylabel('Precision')plt.title('P-R')plt.show()

机器学习笔记（一）P-R曲线与ROC曲线相关推荐

Sklearn机器学习——ROC曲线、ROC曲线的绘制和AUC面积、运用ROC曲线找到最佳阈值
目录 1 ROC曲线 2 ROC曲线的绘制 2.1 Sklearn中的ROC曲线和AUC面积 2.2 利用ROC曲线找到最佳阈值 1 ROC曲线上篇博客介绍了ROC曲线的概率和阈值还有SVM实现概率 ...
机器学习：python绘制P-R曲线与ROC曲线
Python绘制P-R曲线与ROC曲线查准率与查全率 P-R曲线的绘制 ROC曲线的绘制查准率与查全率 P-R曲线,就是查准率(precision)与查全率(recall)的曲线,以查准率作为 ...
机器学习中的性能指标：精度、召回率，PR曲线，ROC曲线和AUC，及示例代码
机器学习中的性能指标:精度.召回率.PR曲线,ROC曲线和AUC 精度.召回率基本概念 F-Score 度量曲线 PR曲线 ROC曲线 PR曲线和ROC曲线的比较 AUC 精度.召回率基本概念可 ...
机器学习模型性能评估（二）：P-R曲线和ROC曲线
上文简要介绍了机器学习模型性能评估的四种方法以及应用场景,并详细介绍了错误率与精度的性能评估方法.本文承接上文,继续介绍模型性能评估方法:P-R曲线和ROC曲线. ...
机器学习性能度量(1)：P-R曲线与ROC曲线，python sklearn实现
最近做实验要用到性能度量的东西,之前学习过现在重新学习并且实现一下. 衡量模型泛化能力的评价标准,这就是性能度量.性能度量反应了任务需求,在对比不同模型的能力时,使用不同的性能度量往往会导致不同的评判 ...
机器学习之支持向量机SVM之python实现ROC曲线绘制（二分类和多分类）
目录一.ROC曲线二.TP.FP.TN.FN 三. python绘制ROC曲线(二分类) 1.思路 2.关键代码 3.完整代码四. python绘制ROC曲线(多分类) 五.参考文献一.ROC ...
百面机器学习 #2 模型评估：0102 精确率与召回率，假阳性与真阳性率，PR曲线和ROC曲线
文章目录 1. P-R(Precision-Recall)曲线 F1 score 2. 平方根误差的局限性 3. ROC曲线 ROC曲线绘制 4. AUC predict Positive predi ...
一文详尽混淆矩阵、准确率、精确率、召回率、F1值、P-R 曲线、ROC 曲线、AUC 值、Micro-F1 和 Macro-F1
文章目录二分类的评价指标一.混淆矩阵与 TP.TN.FP.FN 二.准确率.精确率.召回率.F1值三.P-R 曲线四.ROC 曲线.AUC 值五.P-R曲线和ROC曲线有什么区别,如何选择? ...
P-R曲线与ROC曲线使用总结
P-R曲线与ROC曲线总结作者:jliang https://blog.csdn.net/jliang3 1.P-R曲线 1)实际预测时二分类的四种情况真阳性/真正类(True Positive, ...

机器学习笔记（一）P-R曲线与ROC曲线

P-R曲线与ROC曲线

一、什么是P-R曲线？

二、什么是ROC曲线？

三、P-R曲线与ROC曲线有什么用？

三、绘制P-R曲线代码

机器学习笔记（一）P-R曲线与ROC曲线相关推荐

最新文章

热门文章