目录
一、什么时PR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。
四、绘制P-R曲线代码
import matplotlib.pyplot as plt
import numpy as np
if __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()
五、小结
绘制PR和ROC曲线时需要注意以下几点:
- 数据集的划分:需要将数据集划分为训练集和测试集,通常采用交叉验证的方法来划分数据集。
- 模型的选择:需要选择适合数据集的分类模型,并对其进行训练和测试。
- 阈值的选择:需要选择不同的阈值来计算FPR和TPR,并绘制出ROC曲线。
- 曲线的解读:需要理解PR和ROC曲线的含义,以及如何根据曲线来评估模型的性能。
- 可视化的优化:需要对绘制出的曲线进行美化和优化,以便更好地展示模型的性能。