类别不平衡对精确率-召回率曲线的影响
机器学习
2021-04-28 v3 机器学习
摘要
在本札记中，我研究了分类器的精确率如何依赖于测试集中正例与负例的比例 ，以及分类器的真正例率和假正例率。这一关系使得预测精确率-召回率曲线将如何随 变化成为可能，而这似乎并不为人所熟知。它还使得预测 以及 Flach 和 Kull (2015) 提出的精确率增益（Precision Gain）和召回率增益（Recall Gain）度量如何随 变化成为可能。
引用
@article{arxiv.2007.01905,
title = {The Effect of Class Imbalance on Precision-Recall Curves},
author = {Christopher K I Williams},
journal= {arXiv preprint arXiv:2007.01905},
year = {2021}
}
备注
4 pages, 1 figure. Added ref to Siblini et al (2020) and last sentence. Final m/s version of paper published in Neural Computation