ROC曲线 vs Precision-Recall曲线
ROC曲线 vs Precision-Recall曲线
ROC： TPR - FPR
PR曲线：Precision - Recall
ROC曲线的优势
ROC曲线有个很好的特性：当测试集中的正负样本的数量变化的时候，ROC曲线能够保持稳定
TPR=TPTP+FNTPR = \frac{TP} {TP+FN}TPR=TP+FNTP,与下图的左半部分，即与正样本相关。
FPR=FPFP+TNFPR = \frac{FP} {FP+TN}FPR=FP+TNFP,与下图的右半部分，即与负样本相关。
正负样本的分布律没变，只是数量改变时，TP与FN、FP与TN也会成比例变化，最终TPR和FPR不会变化。
Precision=TPTP+FPPrecision = \frac{TP} {TP+FP}Precision=TP+FPTP Precision与正负样本均有关，任意一边变化，都会引起precision的变化。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！