目录

一、基本概念

P和R分别代表什么

TP FP TN FN的意思

 P和R的定义

PR曲线的评估方法

二、如何绘制PR曲线

代码：

---

一、基本概念

P和R分别代表什么

P：查准率，也称准确率

R：查全率，也称召回率

TP FP TN FN的意思

TP（true positive）:真正例。即预测结果为正例，真实结果也为正例。

FP（false positive）:假正例。即预测结果为正例，真实结果为反例。

TN（true negative）:真反例。即预测结果为反例，真实结果为反例。

FN（false negative）:假反例。即预测结果为反例，真实结果为正例。

 P和R的定义

查准率P：

查全率R：

P和R是一对矛盾的度量，P高时往往R偏低，R高时往往P偏低。

PR曲线的评估方法

1.若曲线a完全“包住”曲线b，则a性能优于b。

2.若曲线a和曲线b发生了相交，则无法比较。

3.比较曲线a和曲线b曲线下面积的大小。面积大则性能优。

4.比较“平衡点”。用的较少。

  “平衡点”（Break-Event Point，简称BEP）时P值和R值相同的时的取值。

 5.比较F1度量。更常用。

二、如何绘制PR曲线

先确定一个阈值T，≥T则是正样例，＜T为负样例。

通过设置T的数量n，可以得到n对P和R的值，以此来评估模型的好坏。

例如（网上找的例子）：

代码：

import matplotlib.pyplot as plt
import numpy as np

if __name__=='__main__':
    TP=np.array([5,4,4,3,3,3,3,3,3,3])
    FN=np.array([0,1,1,2,2,2,2,2,2,2])
    FP=np.array([5,2,2,0,0,0,0,0,0,0])
    P=TP/(TP+FP)
    R=TP/(TP+FN)
    plt.plot(R, P)
    plt.xlabel('Recall')
    plt.ylabel('Precision')
    plt.show()

 结果如下：