博客主要对比了ROC曲线和Precision - Recall（PR）曲线。ROC曲线以TPR - FPR绘制，PR曲线以Precision - Recall绘制。ROC曲线具有优势，当测试集中正负样本数量变化时能保持稳定，因为TPR和FPR受正负样本数量比例变化影响小，而Precision与正负样本均有关，样本变化会引起其改变。
ROC曲线 vs Precision-Recall曲线
ROC： TPR - FPR
PR曲线：Precision - Recall
ROC曲线的优势
ROC曲线有个很好的特性：当测试集中的正负样本的数量变化的时候，ROC曲线能够保持稳定
T
P
R
=
T
P
T
P
+
F
N
TPR = \frac{TP} {TP+FN}
TPR=TP+FNTP,与下图的左半部分，即与正样本相关。
F
P
R
=
F
P
F
P
+
T
N
FPR = \frac{FP} {FP+TN}
FPR=FP+TNFP,与下图的右半部分，即与负样本相关。
正负样本的分布律没变，只是数量改变时，TP与FN、FP与TN也会成比例变化，最终TPR和FPR不会变化。
P
r
e
c
i
s
i
o
n
=
T
P
T
P
+
F
P
Precision = \frac{TP} {TP+FP}
Precision=TP+FPTP Precision与正负样本均有关，任意一边变化，都会引起precision的变化。
扫一扫
164
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
