AUC与AUPR的区别之处

1：查准率，查全率
T：True
F：Flase
P：Positive
N：negative
什么是真正例（TP），假反例（FN），假正例（FP），真反例（TN）。

查准率关心的是”预测出正例的正确率”即从正反例子中挑选出正例的问题。
查全率关心的是”预测出正例的保证性”即从正例中挑选出正例的问题。

ROC是TPR为y轴，FPR为x轴做的曲线图
AUC即AUROC，为ROC曲线下的面积。

AUPR是pr曲线下的面积，PR即召回率和正确率组成的曲线图。

AUC与AUPR的区别是什么?

主要的区别是，一个是作用在平衡数据集中，一个是作用在高度不平衡的数据集中。
如果只有较高的召回率，只能说明你的模型或者方法可以预测出较多的数据，但并不能保证预测出的样本是正确的。
如果只有较高的正确率，说明所预测的样本的正确的，但只能是很少一部分数据集。

如何判断平衡？

数据集合中的正样本和负样本的比率。我现在所用的数据就是负样本很多，而正样本比较少的数据集合。正样本在集合中占比低于10%。

机器学习中auc与aupr 指的是什么？相关推荐

【评价指标】如何计算模型评估中的AUC和AUPR值
计算模型的auc.aupr值一般用sklearn的包进行计算,下面是计算auc的详细过程.y_true是数据的真实标签,y_score是模型的预测得分. 对于计算的auc值,这里详细解释一下什 ...
独家 | 浅析机器学习中的自由度
作者:Jason Browniee 翻译:张若楠校对:林鹤冲本文长度为2800字,建议阅读8分钟本文介绍了自由度的概念,以及如何判断统计学模型和机器学习模型中的自由度. 标签:数据处理自由度是 ...
浅析机器学习中的自由度
作者:Jason Browniee 翻译:张若楠校对:林鹤冲本文长度为2800字,建议阅读8分钟本文介绍了自由度的概念,以及如何判断统计学模型和机器学习模型中的自由度. 标签:数据处理自由度是 ...
机器学习中的模型是什么？
在机器学习中,模型是指一种数学函数,它能够将输入数据映射到预测输出.模型是机器学习算法的核心部分,通过学习训练数据来自适应地调整模型参数,以最小化预测输出与真实标签之间的误差. 机器学习中的模型是什么 ...
机器学习中的数据是什么？
在机器学习中,数据是指机器学习算法的输入和输出.数据可以是各种类型的信息,如文本.图像.音频.视频.传感器数据等. 机器学习中的数据是什么? 通常情况下,数据被组织成数据集,其中包含一组样本或实例,每 ...
详解机器学习中 ROC曲线、AUC值、正确率、召回率
文章目录前言简介医学图像识别二分类问题 ROC 曲线如何画ROC曲线 AUC 前言简介在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分的样例比例 ...
机器学习中的度量指标：ROC曲线，AUC值，K-S曲线
机器学习中的度量指标:ROC曲线,AUC值,K-S曲线首先,回顾一下二分类问题的一些定义: 预测 1 0 实 1 TP FN 际 0 FP TN 上表中,四个项分别为:TP真阳性:FN假阴性:FP ...
机器学习中的评价指标(分类指标评Accuracy、Precision、Recall、F1-score、ROC、AUC ）（回归指标评价MSE、RMSE、MAE、MAPE、R Squared）
文章目录 1.机器学习中的评价指标基础 (一)分类指标评价 1.Accuracy 2.Precision.查准率 3.Recall.查全率 4.F1-score 举个例子: 5.ROC 6.AUC ...
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 ...

机器学习中auc与aupr 指的是什么？

AUC与AUPR的区别之处

AUC与AUPR的区别是什么?

如何判断平衡？

机器学习中auc与aupr 指的是什么？相关推荐

最新文章

热门文章