MCDMClassification Metric
Præcisions-Recall AUC
Præcisions-Recall AUC (PR AUC) er arealet under kurven dannet ved at plotte recall på x-aksen og præcision på y-aksen. Den er særligt nyttig til at evaluere klassifikatorer på ubalancerede datasæt, hvor den ofte er mere informativ end ROC AUC.
Læs hele metoden
Kun for medlemmer
Log indLog ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Davis, J., & Goadrich, M. (2006). The relationship between precision-recall and ROC curves. Proceedings of the 23rd International Conference on Machine Learning, 233-240. DOI: 10.1145/1143844.1143874 ↗
- Saito, T., & Rehmsmeier, M. (2015). The precision-recall plot is more informative than the ROC plot when evaluating binary classifiers on imbalanced datasets. PLoS ONE, 10(3), e0118432. DOI: 10.1371/journal.pone.0118432 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Area Under the Precision-Recall Curve. ScholarGate. https://scholargate.app/da/model-evaluation/precision-recall-auc
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- NøjagtighedModelevaluering↔ compare
- F1-scoreModelevaluering↔ compare
- PræcisionModelevaluering↔ compare
- Genkald (Sensitivitet)Modelevaluering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →