ROC曲线和PR曲线绘制【转】
2014-10-26 21:30
344 查看
![](https://oscdn.geek-share.com/Uploads/Images/Content/202009/04/6ed8ff60dcc4224ab0accb7c4a0fc7c5.png)
TPR=TP/P :真正率:判断对的正样本占所有正样本的比例。 Precision=TP/(TP+FP) :判断对的正样本占判断出来的所有正样本的比例
FPR=FP/N :负正率:判断错的负样本占所有负样本的比例。 Recall = TP/(TP+FN) = TP/P,就是TPR.
ROC曲线:横轴是FPR,纵轴是TPR。 绘制出的曲线应该在y=x直线之上,曲线积分的结果就是AUC的值。AUC越大则系统分类性能越好。
PR曲线:横轴是recall,纵轴是Precision. precision=TP/(TP+FP),recall=TP/(TP+FN),即传统意义上的准确率和召回率。绘制出的曲线有些类似于y = 1/x。
相关文章推荐
- MATLAB绘制ROC曲线和PR曲线示意图
- PR曲线 ROC曲线的 计算及绘制
- 精确率与召回率,RoC曲线与PR曲线
- 精确率与召回率,RoC曲线与PR曲线
- 再理解下ROC曲线和PR曲线
- 图像检测经典的评估方式——PR曲线,ROC曲线
- 几个易混淆的概念(准确率-召回率,击中率-虚警率,PR曲线和mAP,ROC曲线和AUC)
- [置顶] TP,TN,FP,FN,Precision,Recall,sensitivity,specificity,FPR,TPR,F1值,ROC曲线,PR曲线的解释
- 准确率-召回率,击中率-虚警率,PR曲线和mAP,ROC曲线和AUC
- 几个易混淆的概念(准确率-召回率,击中率-虚警率,PR曲线和mAP,ROC曲线和AUC)
- 二分类模型评估之 ROC曲线和PR曲线
- ROC曲线和PR(Precision-Recall)曲线的联系
- 精确率与召回率,RoC曲线与PR曲线
- PR曲线和F1、ROC曲线和AUC
- PR曲线,ROC曲线,AUC指标等,Accuracy vs Precision
- ROC曲线和PR(Precision-Recall)曲线的联系
- ROC曲线,PR曲线,F1值和AUC概念解释及举例说明
- ROC曲线与PR曲线
- 机器学习中的PR曲线和ROC曲线
- PR曲线,ROC曲线,AUC指标等,Accuracy vs Precision