เปรียบเทียบวิธี

	Precision-Recall AUC	ความแม่นยำ	คะแนน F1
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM	MCDM
ปีกำเนิด	2006	20th century	1979
ผู้ริเริ่ม	Davis and Goadrich	Historical statistical foundations	C. J. van Rijsbergen
ประเภท	Evaluation metric	Evaluation metric	Evaluation metric
แหล่งต้นตำรับ	Davis, J., & Goadrich, M. (2006). The relationship between precision-recall and ROC curves. Proceedings of the 23rd International Conference on Machine Learning, 233-240.	Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874.	van Rijsbergen, C. J. (1979). Information Retrieval (2nd ed.). Butterworth-Heinemann.
ชื่อเรียกอื่น	PR AUC, PR Curve	Overall Accuracy, Correct Classification Rate	F-measure, Harmonic Mean
ที่เกี่ยวข้อง	4	5	5
สรุป	The Precision-Recall Area Under the Curve (PR AUC) is the area under the curve formed by plotting recall on the x-axis and precision on the y-axis. It is particularly useful for evaluating classifiers on imbalanced datasets, where it is often more informative than ROC AUC.	Accuracy is the proportion of correct predictions among the total number of predictions made by a classification model. It is the most intuitive performance metric and measures how often the classifier makes correct predictions overall, regardless of class.	The F1-score is the harmonic mean of precision and recall, providing a single metric that balances both concerns. It was introduced by van Rijsbergen in information retrieval and has become a standard metric for evaluating classification models where both precision and recall are important.