MCDMClassification Metric
適合率-再現率AUC
適合率-再現率曲線下面積 (PR AUC) は、x軸に再現率、y軸に適合率をプロットして形成される曲線の下の領域です。これは、不均衡なデータセット上の分類器を評価するのに特に有用であり、ROC AUCよりも情報量が多いことがよくあります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Area Under the Precision-Recall Curve. ScholarGate. https://scholargate.app/ja/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.
- 精度モデル評価↔ compare
- F1スコアモデル評価↔ compare
- 精度（Precision）モデル評価↔ compare
- Recall (感度)モデル評価↔ compare