Precision-Recall Curve

释义 Definition

精确率-召回率曲线：在分类或信息检索任务中，用来展示模型在不同阈值下精确率（precision）与召回率（recall）之间权衡关系的曲线。常用于类别极不平衡（正例很少）时评估模型表现。（也常简称 PR curve）

发音 Pronunciation (IPA)

/prɪˈsɪʒən rɪˈkɔːl kɝːv/

例句 Examples

We plotted a precision-recall curve to compare the two classifiers.
我们绘制了精确率-召回率曲线来比较这两个分类器。

In highly imbalanced datasets, the precision-recall curve can be more informative than the ROC curve because it focuses on performance for the positive class.
在高度类别不平衡的数据集中，精确率-召回率曲线往往比 ROC 曲线更有信息量，因为它更聚焦于正类的表现。

词源 Etymology

该术语由三个常用词组合而成：precision（“精确性”，在机器学习中指“预测为正的样本里有多少是真的正”）、recall（“召回”，指“所有真实为正的样本里有多少被找出来”）和 curve（“曲线”）。随着信息检索与机器学习评估方法的发展，人们用“在不同阈值下精确率与召回率的变化轨迹”来形成这条曲线，用于直观呈现二者的取舍关系。

相关词 Related Words

• Precision
• Recall
• Threshold
• ROC Curve
• AUC
• F1 Score
• Confusion Matrix
• Average Precision
• Imbalanced Data

文献与作品 Literary / Notable Works

• Introduction to Information Retrieval（Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze）
• Information Retrieval: Implementing and Evaluating Search Engines（Stefan Büttcher, Charles L. A. Clarke, Gordon V. Cormack）
• Learning to Rank for Information Retrieval（Tie-Yan Liu）
• The Elements of Statistical Learning（Trevor Hastie, Robert Tibshirani, Jerome Friedman）