PR曲线（ROC曲线）是如何画出来的？

T:True--正确预测

F:False--错误预测

N: Negative--预测为负样本

P: Positive--预测为正样本

（PR曲线中的R）Recall = TP/(TP+FN)=TP / T（真阳率/召回率），所有正样本中有多大比例预测为正样本。

（PR曲线中的P）Precesion = TP/(TP+FP) =TP / P（精准率），所有预测为正样本中有多大比例为真正的正样本。

在ROC空间，ROC曲线越凸向左上方向效果越好。与ROC曲线左上凸不同的是，PR曲线是右上凸效果越好。

PR曲线：Recall为横坐标，Precision 为纵坐标。

PR曲线（ROC曲线）是如何画出来的？

当某一个模型对样本总体进行预测时，会得到每一个样本相应的概率值，将概率值从高到低排序，若将第一个预测为正样本，其余预测负样本，则可以得到相应的Recall与Precision；将前两个预测为正样本，其余预测负样本，则可以得到相应的Recall与Precision；将前三个预测为正样本，其余预测负样本，则可以得到相应的Recall与Precision，以此类推，可以在坐标轴上画得PR曲线（ROC曲线）。

PR曲线（ROC曲线）说明什么问题？

PR曲线（ROC曲线）的面积说明模型预测的区分度，当模型预测区分度较高，极端情况，预测正样本全对且概率值为1，预测负样本全队且概率值为0，这样直接就为正方形，模型效果最好，区分度最明显。稍差一点的，正负两类概率值差别较大，且正的概率趋近于1，负的概率趋近于0，会趋近正方形。

其他待更新。。。。