MCDMClassification Metric
Precīzijas un atsaukuma AUC
Precīzijas un atsaukuma laukums zem līknes (PR AUC) ir laukums zem līknes, kas izveidota, attēlojot atsaukumu (recall) x-assē un precīziju (precision) y-assē. Tas ir īpaši noderīgs, novērtējot klasifikatorus uz nelīdzsvarotiem datu kopumiem, kur tas bieži ir informatīvāks nekā ROC AUC.
Lasīt pilno metodes aprakstu
Tikai dalībniekiem
PieteiktiesPiesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Area Under the Precision-Recall Curve. ScholarGate. https://scholargate.app/lv/model-evaluation/precision-recall-auc
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- PrecizitāteModeļu novērtēšana↔ salīdzināt
- F1-novērtējumsModeļu novērtēšana↔ salīdzināt
- PrecizitāteModeļu novērtēšana↔ salīdzināt
- Atcerēšanās (jutība)Modeļu novērtēšana↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →