前言

我们经常会关心“检索出的信息中有多少比例是用户感兴趣的”“用户感兴趣的信息中有多少被检索出来了”。“查准率”（precision）与“查全率”（recall）是更为适用于此类需求的性能度量。

一、查准率P、查全率R与P-R曲线

查准率P、查全率R：

在了解查准率P（亦称“准确率”）、查全率R（亦称“召回率”）的定义之前，我们需要先了解TP、FP、TN、FN。

TP：真正例（true positive）

FP：假正例（false positive）

TN：真反例（true negative）

FN：假反例（false negative）

下表可以直观地看出各自的含义：

分类结果混淆矩阵
真实情况	预测结果
真实情况	正例	反例
正例	TP（真正例）	FN（假反例）
反例	FP（假正例）	TN（真反例）

由此定义查准率P与查全率R：

P-R曲线：

以查准率为纵轴、查全率为横轴作图，就得到了查准率-查全率曲线，简称“P-R曲线”，其代表的是查准率P与查全率R的关系。

下图为西瓜书中给出的一个示意图：

二、Python实现

代码如下（示例）：

#选择测试数据
import pandas as pddf = pd.read_csv('file_name.csv')
X = df[df.columns[:-1]]
y = df[df.columns[-1]]#训练——测试数据集划分
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X[y < 2], y[y < 2],test_size=.5,random_state=1)#构造模型
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
model.fit(X_train, y_train)
#model.predict_proba将返回属于各个类别的概率，每行概率和为1
y_prob = model.predict_proba(X_test)[:,1]#计算P值和R值：precision_recall_curve函数返回值分别为查准率precision，查全率recall，以及对应的阈值thresholdsprecision, recall, thresholds = sklearn.metrics.precision_recall_curve(y_test, y_prob, pos_label=None, sample_weight=None)#然后根据precision, recall绘制PR曲线plt.plot()

此代码参考：Asher117的【Python】绘制PR曲线https://blog.csdn.net/Asher117/article/details/112531255

总结

P-R图直观地显示出学习器在样本总体上的查全率、查准率。本文章仅简单概述了Precision、Recall以及P-R曲线的概念以及如何用Python绘制P-R曲线，作者目前也是机器学习小白，希望可以同大家一起进步！

机器学习-Precision（查准率）、Recall（查全率）、P-R曲线相关推荐

准确率，查准率，查全率，ROC曲线，AUC面积
正确翻译: T :正确 P:正样本 TP:表示正确预测,预测为正样本 True Positive(真正,TP):将正类预测为正类数 True Negative(真负,TN):将负类预测为负类数 ...
模型评估中的查准率、查全率、ROC曲线
P-R曲线对于二分类问题,可以将训练集的真实类别与机器学习预测的类别划分为真正例(true positive) .假正例(false positive) .真反倒(true negative) .假 ...
机器学习的查准率、查全率和F1-score
目录一.简介 (一)查准率与查全率 (二)F-Score 二.实例 (一)问题 (二)解决三.参考资料一.简介 (一)查准率与查全率定义: 对于二分类问题,分类结果混淆矩阵与查准/查全率定义如 ...
机器学习：查准率和查全率
查准率(准确率 Precision)和查全率(召回率 Recall) 正确肯定(True Positive,TP):预测为真,实际为真正确否定(True Negative,TN):预测为假,实际为假 ...
机器学习：查准率(Precision)和查全率(Recall)
类偏斜(skewed classes)情况表现为我们的训练集中有非常多的同一种类的实例,只有很少或没有其他类的实例. 例如我们希望用算法来预测癌症是否是恶性的,在我们的训练集中,只有 0.5%的实例 ...
查准率-查全率precision recall（PR）曲线Matlab实现
在用哈希进行检索时,常会用到precision recall曲线对其性能进行定量评价.precision recall的定义在信息检索评价指标中已做了详细说明,这里再记录一下precision rec ...
机器学习算法评价指标 recall（召回率）、precision（精度）、F-measure（F值）、ROC曲线、RP曲线
机器学习中算法评价指标总结 recall(召回率).precision(精度).F-measure.ROC曲线.RP曲线在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前 ...
pytorch实战：详解查准率（Precision）、查全率（Recall）与F1
pytorch实战:详解查准率(Precision).查全率(Recall)与F1 1.概述本文首先介绍了机器学习分类问题的性能指标查准率(Precision).查全率(Recall)与F1度量,阐 ...
机器学习11. ROC曲线、AUC值、Accuracy、Precision、Recall 含义
AUC/ROC,Accuracy,Precision,Recall 含义.查准率,查全率,样本均衡问题部分图片转自这里行的True和False表示预测为正负列的Pos和Neg表示真实的正负表哥 ...

机器学习-Precision（查准率）、Recall（查全率）、P-R曲线

目录

前言

查准率P、查全率R：

P-R曲线：

二、Python实现

此代码参考：Asher117的【Python】绘制PR曲线https://blog.csdn.net/Asher117/article/details/112531255

总结

机器学习-Precision（查准率）、Recall（查全率）、P-R曲线相关推荐

最新文章

热门文章