machine-learning - ROC 曲线和精确召回曲线
解决方案
ROC 曲线使用不同的概率阈值总结了真阳性率和假阳性率之间的权衡。
Precision-Recall 曲线使用不同的概率阈值总结了真阳性率和阳性预测值之间的权衡。
ROC 曲线适用于目标类平衡时,而 Precision-Recall 曲线适用于不平衡数据集。
这是一篇很好的文章,可以加深理解。
推荐阅读
- docker - Docker 容器无故退出 137
- c - read() 函数是如何工作的?(缓冲区中的未读数据会怎样?)
- rust - 如何在`serde::ser::Serialize`的impl中跳过序列化?
- ios - CF_RETURNS_RETAINED 可以用于桥接到 Swift 的 C 函数指针返回值吗?
- precision-recall - 我如何解释这个精确召回图?看起来很奇怪
- deep-learning - 以不同单位预测目标变量
- javascript - 如何使用过滤器获取数组的属性
- c# - 如何在 ZPL 中截断 ^FD 文本
- jquery - 将 HTML 字符串转换为 jQuery 对象并返回以某种方式移除父元素
- reactjs - React App:Windows + Microsoft Edge 95 稳定版导致白屏显示“Rangeerror:超出最大调用堆栈大小”