scikit-learn - sklearn 之间的 average_precision_score 与 precision_score 的差异

标签 scikit-learn precision-recall

在文档中,它将average_precision_score 描述为精度召回曲线下的面积。我无法理解该区域的含义?

该指标与原始精度分数有何不同。

最佳答案

精确率-召回率曲线绘制了不同概率阈值的精确率和召回率 p .对于 p=0 ,所有内容都归类为 1,因此召回率为 100%,精度将是测试数据集中 1 的比例。对于 p=1 ,没有任何东西被归类为 1,所以召回率将是 0%,精度将是 0。对于 p=0.5 ,就是这样 precision_score告诉您,但是,您可能不想在最终模型中使用此阈值,您将根据您愿意容忍的误报数量选择不同的阈值。因此,平均精度分数为您提供了所有不同阈值选择的平均精度。

关于scikit-learn - sklearn 之间的 average_precision_score 与 precision_score 的差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34888766/

相关文章:

machine-learning - TensorFlow PR曲线插件: pr_curve_streaming_op

python - 评估从交叉验证集上的训练集获得的损失函数值

python - 从 TfidfVectorizer 获取全文

numpy - 如何为 sklearn.svm.SVC 定义自定义内核函数?

machine-learning - Vowpal Wabbit - 精确召回 f 测量

python - 基于预测值的 Keras 自定义召回指标

python - 如何在 scikit-learn 的 MultinomialNB Pipeline 训练模型中提取单词特征?

python - 'RandomForestClassifier' 对象没有属性 'tree_'

python - 如何在 python 中绘制带插值的精确召回曲线?

python - DecisionTreeClassifier 的精确召回曲线下的面积是一个正方形