我希望对于精确召回曲线，精确度会降低，而召回率会单调增加。我的情节不流畅，看起来很有趣。我使用 scikit 学习绘制曲线的值。下面的曲线是否异常？如果是，考虑到 scikit learn 自动对真实标签和预测标签进行排序，为什么以及如何纠正它。如果情节没问题，我该如何最好地解释这种行为？
不规则的精确召回曲线
数据挖掘
scikit-学习
评估
2021-10-13 07:15:22
1个回答
这绝对是可能的。当您降低阈值时，您将永远不会降低召回率（您只能将更多正面示例标记为正面）。Precision 正在查看您积极标记的所有示例，以及真正积极的部分。这意味着当您降低阈值时，您可能不会添加任何真阳性，而只会添加假阳性，从而降低精度。让我们看一个虚构的例子，其中 P 为正，N 为负。样本按分数/概率排序。阈值之前的所有内容都被标记为正：
PPNPNNPNNN
如果我们将阈值放在第 2 项和第 3 项之间，我们得到的精度为 和回忆 ：
PP - NPNNPNNN
当我们把它放在项目 3 和 4 之间时，我们保持相同的召回率，但我们的精度下降到 ：
PPN - PNNPNNN
其它你可能感兴趣的问题