roc曲線 vs pr曲線（AUC vs f1）
什麼時候應使用AUC？哪個時候應使用F1？ 一直不理解auc值與F1值的應用場景，什麼情況下使用哪種指標可以更好觀察模型表現？ 之前的理解是覺得使用f1值（即採用召回率和精確率）來評價模型會更好。 因爲召回率和精確率更直觀，可以使業務方對模型的預測效果有較準確預期 但auc其實更應該更多使用來觀察模型 接下來本篇會將roc曲線與pr曲線做對比，並且介紹auc的應用場景 ROC曲線 vs PR曲線
相關文章
- 1. ROC曲線 VS PR曲線
- 2. ROC、PR曲線、AUC值
- 3. ROC曲線/AUC值/PR曲線
- 4. PR曲線，ROC曲線，AUC指標等，Accuracy vs Precision
- 5. ROC曲線和PR曲線
- 6. ROC曲線與PR曲線
- 7. ROC曲線，AUC
- 8. ROC與AUC曲線
- 9. ROC曲線與AUC
- 10. ROC曲線 vs Precision-Recall曲線
- 更多相關文章...
- • R 繪圖 - 函數曲線圖 - R 語言教程
- • C# 多線程 - C#教程
- • 適用於PHP初學者的學習線路和建議
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. ROC曲線 VS PR曲線
- 2. ROC、PR曲線、AUC值
- 3. ROC曲線/AUC值/PR曲線
- 4. PR曲線，ROC曲線，AUC指標等，Accuracy vs Precision
- 5. ROC曲線和PR曲線
- 6. ROC曲線與PR曲線
- 7. ROC曲線，AUC
- 8. ROC與AUC曲線
- 9. ROC曲線與AUC
- 10. ROC曲線 vs Precision-Recall曲線