Recall值与Precision-Recall曲线的关系答案

【问题标题】：Relationship between Recall value and precision-recall curveRecall值与Precision-Recall曲线的关系
【发布时间】：2021-05-19 20:07:40
【问题描述】：

我迷失了召回值和精确召回曲线下面积之间的关系。我正在使用二进制分类器对不平衡的数据集进行分类。我用默认的sklearn python包记录了recall值和precision-recall曲线值下的面积。就我而言，1 类是稀有类，0 类是另一个类。

我训练了两个模型。第二个模型我使用过采样方法来平衡训练数据集。测试数据集从未在两个模型中被触及。这是测试数据集的记录值。

我的问题是：

【问题讨论】：

请注意，SO 是关于特定编码的问题；关于机器学习理论和方法的非编码问题在这里是题外话，应该在Cross Validated 上发布。请参阅machine-learningtag info 中的介绍和注意。另外，问题实际上与python无关，请不要发送垃圾邮件无关标签（已删除）。

【解决方案1】：

为什么recall值提高了，而precision-recall曲线没有变化？

尝试在同一张图中绘制两条训练的精确召回曲线。那么您一定会明白为什么会发生这种情况。并且为了澄清 TP 的情况是什么类 [1 或 0]？。如果它是 1，那么它是有意义的，因为类平衡通常也会增加 FP 值，我们确实调用平衡来增加分布中稀有类的召回值。

我能说如果我选择一个合适的阈值，第一个模型和第二个模型一样好吗？

这是我们进行混淆矩阵分析的原因之一。特别是在二元分类的情况下，它计算与边界 [1 和 0] 相关的损失，与实际的类分离值无关。因此，您可以使用类分离值检查召回和召回精度 AUC 值。

我应该关注哪个评估矩阵？

这取决于您的案件领域；考虑所需的敏感性和特异性值，选择最佳模型。

【讨论】：

感谢您的解释！是的，1 是正类。就我而言，我专注于稀有类（1类）。正确识别类 1 比错误地将 0 分类为 1 更重要。我可以说过度采样训练数据集并没有改进模型，因为精确召回区域没有太大变化？但是召回值增加了，看来我应该使用第二个训练模型。