เปรียบเทียบวิธี

	Precision-Recall AUC	ความแม่นยำ (Precision)
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM
ปีกำเนิด	2006	20th century
ผู้ริเริ่ม	Davis and Goadrich	Historical statistical foundations
ประเภท	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.
ชื่อเรียกอื่น	PR AUC, PR Curve	Positive Predictive Value, PPV
ที่เกี่ยวข้อง	4	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.	Precision measures the proportion of positive predictions that were actually correct. It answers the question: 'Of all the cases we predicted as positive, how many were truly positive?' Precision is critical in scenarios where false positives are costly.