游戏流失预测模型中的P值，R值
建立流失玩家预测模型之初，对于P值和F值不是非常理解，后来随着模型的建立，清楚了P值和F值的意义，结合实际业务，对这两个值进行权衡。
P值，英文为precision，准确率。
R值，英文为recall，召回率。
实例：测试集有1万玩家，模型判定结果如下。
| 模型判定流失玩家 | 模型判定未流失玩家 | |
| 实际流失 | 实际流失且模型判定为流失：800人 | 实际流失模型判定为未流失： 600人 |
| 实际未流失 | 实际未流失模型判定流失： 200人 | 实际未流失模型判定未流失： 8400人 |
P=800/(800+200)=80%
R=800/(800+600)=57%
由上面得出：如果模型表现为这样的效果，其实是非常不理想的，针对流失预测模型，如果P值过低，说明判定为流失的玩家，有很多没有流失，会增加运营的成本。另一方面，如果R值过低，则说明有很多流失玩家没有识别出来，这样就失去了建立此模型的意义。所以综合权衡，要保证R值较高，近可能识别出流失用户，在此基础上兼顾好准确率。
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！