Aria sub curbă a Preciziei-Recall (PR AUC)
Curba PR vizualizează compromisul dintre precizie și recall la diferite praguri de clasificare. Pe măsură ce coborâți pragul, mai multe cazuri sunt prezise ca pozitive, crescând recall-ul, dar scăzând precizia. PR AUC măsoară performanța medie pe acest compromis. Pentru seturile de date dezechilibrate, PR AUC este mai informativă decât ROC AUC, deoarece ROC AUC poate fi umflată de performanța bună a ratei de adevărate negative, care este mai puțin interesantă atunci când negativele sunt abundente.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Area Under the Precision-Recall Curve. ScholarGate. https://scholargate.app/ro/model-evaluation/precision-recall-auc
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- AcuratețeEvaluarea modelelor↔ compară
- Scorul F1Evaluarea modelelor↔ compară
- PrecizieEvaluarea modelelor↔ compară
- Rechemare (Sensibilitate)Evaluarea modelelor↔ compară
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →