機器學習之類別不平衡問題 —— ROC和PR曲線

寫在前面：在CTR預估中，用戶發生點擊行爲這類正樣本顯著少於負樣本，那麼用ROC來評價通常結果非常樂觀，在網上調研了兩天，對於不平衡問題，有多重評價方法， 尤其是PR曲線最常用，無論是競賽還是實際場景中，這篇文章總結的非常全面，轉載到這。 機器學習之類別不平衡問題 (1) —— 各種評估指標 機器學習之類別不平衡問題 (2) —— ROC和PR曲線 機器學習之類別不平衡問題 (3) —— 採樣方法

>>阅读原文<<