是的，您是正确的，接收器操作员特征曲线 ( ROC-AUC ) 曲线下面积与精确召回曲线 ( PR-AUC ) 曲线下面积之间的主要区别在于其对不平衡类的易处理性. 它们非常相似，并且已显示包含基本相同的信息，但是 PR 曲线稍微有些挑剔，但绘制良好的曲线可以提供更完整的图像。PR-AUC 的问题在于它难以在 PR 曲线中的点之间进行插值，因此实现曲线下面积的数值积分变得更加困难。

看看这个关于异同的讨论。

引用戴维斯 2006 年的摘要：

接收算子特征 (ROC) 曲线通常用于呈现机器学习中二元决策问题的结果。然而，在处理高度偏斜的数据集时，Precision-Recall (PR) 曲线可以提供更多关于算法性能的信息。我们表明 ROC 空间和 PR 空间之间存在深层联系，因此当且仅当曲线在 PR 空间中占主导地位时，曲线在 ROC 空间中占主导地位。一个推论是可实现的 PR 曲线的概念，它的性质很像 ROC 空间中的凸包；我们展示了一种计算这条曲线的有效算法。最后，我们还注意到两种曲线的差异对算法设计很重要。例如，在 PR 空间中，在点之间进行线性插值是不正确的。此外，

最近在 Kaggle 上也讨论了这个问题。

还有一些关于交叉验证的有用讨论。