二分类评估指标：PR曲线、ROC、AUC

lizi0403

已于 2022-11-20 15:57:08 修改

阅读量2.2k

点赞数 2

文章标签：分类

于 2021-09-29 22:08:45 首次发布

本文链接：https://blog.csdn.net/qq_41021141/article/details/120556744

版权

预测 \ 真实	0	1
0	TN	FN
1	FP	TP

PR曲线：

首先，Precision = TP / (FP + TP)，Recall = TP / (FN + TP)

一般情况下二分类的分类阈值取0.5（即【预测为1的概率】≥0.5时将该样本预测为1类，否则预测为0类）。如果取不同的分类阈值时，会有不同的分类结果，对应有不同的P、R值

PR曲线就是取不同分类阈值时得到的(P,R)值所对应坐标点(横坐标为R值，纵坐标为P值)连成的曲线

例：有20个样本，它们的真实类别和预测分数(预测为1的概率)分别如下图所示（按预测分数从大到小排序）

此时各样本的预测类别还未确定。取不同的预测为1类的阈值，可以得到不同的各样本预测类别。比如阈值设为0.5，则第1~10个样本的预测类别将为1，第11~20个样本的预测类别将为0；若阈值设为0.6，则只有第1~4个样本预测为1，第5~20个样本预测为0

将阈值分别设为第1~20个样本的预测分数，可以得到不同的预测结果，也就得到不同的(P,R)值，将它们画点连线就得到了PR曲线

ROC曲线：

首先，FP Rate = FP / (TN + FP)，TP Rate = TP / (FN + TP)（和recall一样）

与上面类似，取不同的阈值时得到不同的FPR、TPR，将其对应坐标点(横坐标为FPR，纵坐标为TPR)连线得到ROC曲线

AUC：

即Area Under Curve，ROC曲线下面积

注意PR曲线下面积叫做AP(average precision)

参考：

关注