PR（precision recall curve）曲线是什么？PR曲线如何绘制？为什么Precision和Recall是矛盾体、此消彼长？为什么提出F1指标？

最新推荐文章于 2024-06-26 14:41:46 发布
最新推荐文章于 2024-06-26 14:41:46 发布
阅读量3.5k 收藏 3
点赞数 1
分类专栏： 数据科学从0到1 机器学习面试+横扫千军 文章标签： 机器学习 python 深度学习 人工智能 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhongkeyuanchongqing/article/details/115861402
版权
PR曲线展示了不同阈值下机器学习模型的查准率和查全率，反映了Precision和Recall之间的权衡。由于它们的分母随阈值改变而走向相反方向，故存在矛盾。F1分数作为平衡点，是Precision和Recall的调和平均数，用于衡量模型性能。
摘要由CSDN通过智能技术生成

PR（precision recall curve）曲线是什么？PR曲线如何绘制？为什么PR是矛盾体、此消彼长？为什么提出F1指标？
 

sklearn.metrics.precision_recall_curve

 

举一个简单的例子，你走进了X大学的图书馆并登录了图书检索系统。我们假设该所文科类大学的图书馆中计算机类子目的书籍一共有20本，机器学习相关的书籍一共有10本。
你开始检索并输入关键字机器学习。你检索之后，发现一共找到了8本机器学习的书籍（其中2实际为excel书籍），没有搜到书籍数目是12本，其中，有8本是excel相关的书籍，4本是机器学习书籍。

那么这个检索系统的查准率和查全率分别是多少？
首先，有10本机器学习相关的书籍而系统只找到了6本，那么查全率就是6/

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Data+Science+Insight
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
19. PR曲线是什么？如何计算？
weixin_44808274的博客
09-19 959
PR（Precision-Recall）曲线是一种用于评估二分类模型性能的工具，重点关注的是正例的精确性（Precision）和召回率（Recall）之间的权衡关系。与ROC曲线不同，PR曲线将真正例率（TPR）和假正例率（FPR）替换为精确性和召回率，因此更适合于不平衡类别分布的情况，其中正例的数量较少。
用R语言画ROC曲线及精确召回曲线(Precision-Recall Curve)
NickyCat的博客
05-24 5272
R语言绘制ROC曲线和PR曲线
准确率召回率
VergiL Wang的专栏
05-18 1108
http://blog.sina.com.cn/s/blog_4b59de070100ehl7.html 最近一直在做相关推荐方面的研究与应用工作，召回率与准确率这两个概念偶尔会遇到， 知道意思，但是有时候要很清晰地向同学介绍则有点转不过弯来。 召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。 召回率：Recall，又称“查全率”——还是查全率好记，也更能体现其...
PR曲线（Precision-Recall Curve，精确率-召回率曲线）
最新发布
weixin_44012667的博客
06-26 1246
PR曲线（Precision-Recall Curve，精确率-召回率曲线）是一种用于评估二分类模型性能的工具，特别适用于不平衡数据集。PR曲线通过绘制精确率（Precision）与召回率（Recall）之间的关系，展示模型在不同决策阈值下的表现。
AFW 人脸库 PR 曲线 (precision-recall curve)
归去来兮的博客
01-10 4373
思想概括 已有一张测试图片中目标对象的正确标记为 (gi,...,gm)\left ( g_{i},..., g_{m} \right ) 和候选区域(bi,sm)\left ( b_{i},s_{m}\right ) ,…,(bi,sn)\left ( b_{i},s_{n}\right ) , bib_{i}区域对应的分数为 sis_{i} ,以下的算法将数据转化为标签和分数(si,yi
PR-curve（precision-recall curve）object detection
walker_zero的博客
06-25 1382
最近在对目标检测中的PR曲线做程序实现，发现网上有很多的版本，而且引用https://www.zhihu.com/question/53405779中的一些内容，网上很多的程序在绘制PR曲线中存在一些问题。 使用python+matplotlib 绘制PR曲线的代码应该如下：（其中出现争议的部分是ax.plot(x,y)）根据PR曲线，x轴为Recall， y轴为Precision。网上有些代码是反过来的。从matplotlib的源码中很容易可以发现是错误的。 import matplotlib...
Roc-curve.zip_Recall_precision_precision recall_roc_roc curve ja
09-14
4. **绘制曲线**：使用计算出的TPR和FPR绘制ROC曲线，用Precision和Recall绘制PR曲线。Java中可以使用各种库，如Apache Commons Math或自定义的图形库进行绘制。 5. **评估指标**：计算AUC（Area Under the Curve）...
PR曲线 可算是明白了 precision recall曲线
乱七八糟的笔记
07-16 4万+
Inst#是样本序号，图中有20个样本。Class是ground truth 标签，p是positive样本（正例）,n当然就是negative（负例） score是我的分类器对于该样本属于正例的可能性的打分。因为一般模型输出的不是0,1的标注，而是小数，相当于置信度。 然后设置一个从高到低的阈值y，大于等于阈值y的被我正式标注为正例，小于阈值y的被我正式标注为负例。 显然，我设置n个阈值...
为评估二值图像分割结果而开发的，包括 MAE、Precision、Recall、F-measure、PR 曲线和 F-measu
07-11
_python__代码_相关文件_下载 ...Precision, Recall, F-measure (这是sal_eval_toolbox中算法的python实现) 精确召回曲线 精确召回曲线 F-测量曲线 更多详情、使用方法，请下载后阅读README.md文件
信息检索的PR曲线（Precision-Recall Curve）作图
iTom's blog
04-20 1万+
Notes 多模态检索中常用三种评价指标： mAP(@R) Precision-Recall Curve Precision@top-R Curve 引用 [1] 里介绍的 PR 曲线的例子是只针对一个 query sample 而言的，不好说代表性。 照师兄的说法，现在有一种画法是：枚举 top-R 之 R，对每一个 R，都算一次 yi=mean(各query sample的「Pr...
Sklearn通过precision_recall_curve获取F1最大值
围城
07-18 1722
之前的时候，由于并不是每次都出现这样的结果，所以并没有在意这个事情。现在大规模做实验的时候，发现经常报错，所以就谷歌查了查，本质上看这个报错大致也清楚，就是有些数值不满足除法条件，不过我尝试加了一个非常小的数，也并没有起到效果。来获取精确率和召回率，并且计算F1的最大值，通过阈值的问题，查看分类器的最高性能，代码如下，然后计算。，这个警告，然后输出最高的F1时，结果为nan。然后搜索了之后查到了对应的解决策略。平时为了查看分类器的性能，会利用。本质上，让除法能够避免这些数值。但是在这个过程中，会遇到。...
precision和recall，AP和mAP，ROC curve和precision recall curve
whyerdiku的博客
10-18 936
AP和mAP是目标检测和信息检索中常用的evaluation metric 计算AP需要先计算precision和recall，得到每一类的AP后，对所有类的AP做平均，就得到mAP。 注1：计算AP时需要先计算precision和recall，而计算precision和recall需要先计算IoU，并且设置threshold才能得出precision和recall。PASCAL VOC和CO...
Precision-Recall
人工智能
11-21 3647
Example of Precision-Recall metric to evaluate classifier output quality. Precision-Recall is a useful measure of success of prediction when the classes are very imbalanced. In information retrieva
precision，recall and precision-recall curve
tangzy_的博客
11-28 6187
precision是指检索出中相关的比例，所以precision=true positive /(true positive+false negative). recall是指相关中被检索出的比例,所以recall= true positive/(true positive + false positive)。实际应用中往往precision和recall成反比关系。比如只检索出1条且相关，则pr
python绘制precision-recall曲线、ROC曲线
热门推荐
Marshall的专栏
12-23 5万+
  基础知识   TP（True Positive）：指正确分类的正样本数，即预测为正样本，实际也是正样本。FP（False Positive）：指被错误的标记为正样本的负样本数，即实际为负样本而被预测为正样本，所以是False。TN（True Negative）：指正确分类的负样本数，即预测为负样本，实际也是负样本。FN（False Negative）：指被错误的标记为负样本的正样本数，即...
python sklearn metrics_python计算PR曲线sklearn.metrics.precision_recall_curve
weixin_36462845的博客
03-01 1448
PR曲线实则是以precision(精准率)和recall(召回率)这两个为变量而做出的曲线，其中recall为横坐标，precision为纵坐标。设定一系列阈值，计算每个阈值对应的recall和precision，即可计算出PR曲线各个点。precision=tp/(tp+fp)recall=tp/(tp+fn)可以用sklearn.metrics.precision_recal...
python计算PR曲线sklearn.metrics.precision_recall_curve
Mr.horse的博客
08-04 2万+
PR曲线实则是以precision（精准率）和recall（召回率）这两个为变量而做出的曲线，其中recall为横坐标，precision为纵坐标。设定一系列阈值，计算每个阈值对应的recall和precision，即可计算出PR曲线各个点。 precision=tp/(tp+fp) recall=tp/(tp+fn) 可以用sklearn.metrics.precision_recall_curve计算PR曲线 from sklearn.metrics import precis...
PR曲线和ROC曲线的区别是什么？
12-26
PR曲线和ROC曲线是用于评估二分类模型性能的常用工具。它们之间的区别如下： 1. 定义不同：PR曲线是以查准率（Precision）为横轴，召回率（Recall）为纵轴绘制的曲线；而ROC曲线是以假阳性率（False Positive Rate）为横轴，真阳性率（True Positive Rate）为纵轴绘制的曲线。 2. 目标不同：PR曲线关注的是模型在正类样本中的预测准确性，即模型预测为正类的样本中有多少是真正的正类；而ROC曲线关注的是模型在正类和负类样本中的预测能力，即模型能够正确预测正类和负类的能力。 3. 敏感性不同：PR曲线对正类样本的预测能力更为敏感，因此在正类样本较少或者不平衡的情况下，PR曲线更能反映模型的性能；而ROC曲线对正类和负类样本的预测能力都敏感，因此在正负类样本比例较平衡的情况下，ROC曲线更能反映模型的性能。 4. 阈值选择不同：PR曲线的每个点对应一个阈值，可以根据具体需求选择最佳阈值；而ROC曲线的每个点对应一个阈值，但并不直接提供最佳阈值的选择，需要根据具体需求进行调整。 5. 解释不同：PR曲线的面积（AUC-PR）表示模型在不同阈值下查准率和召回率之间的整体性能；而ROC曲线的面积（AUC-ROC）表示模型在不同阈值下假阳性率和真阳性率之间的整体性能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Data+Science+Insight

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值