機器學習中的PR曲線和ROC曲線

主要是我對周志華《機器學習》第二章模型估計與選擇中一些內容的總結 1.查準率、查全率和F1 對於二分類問題，可將樣例根據其真實類別與學習器預測類別的組合劃分爲真正例（TP），假反例（FN），假正例（FP），真反例（TN），具體分類結果如下    查準率P和查全率R分別定義爲： 查準率關心的是」預測出正例的正確率」即從正反例子中挑選出正例的問題。  查全率關心的是」預測出正例的保證性」即從正例中挑選

>>阅读原文<<