机器学习模型评估——P-R曲线、ROC-AUC、偏差方差等

本文主要是介绍机器学习模型评估——P-R曲线、ROC-AUC、偏差方差等，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

P-R曲线

①P-R曲线（查准率precision-查全率recall)，P和R是一对矛盾的向量，一般呈反比关系， P=TP/(TP+FP)，R=TP/(TP+FN)。
②在P-R曲线中，
可根据面积大小来比较性能的高低，
也可根据平衡点BEP（Break-Even Point 即"P=R"时的取值）来比较性能。
还可根据F1度量比较性能：F1=2PR/(P+R)=2*TP/(样例总数＋TP-TN)

ROC

这篇关于机器学习模型评估——P-R曲线、ROC-AUC、偏差方差等的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---