精确率-召回率空间中的不可达区域及其对经验评估的影响
机器学习
2012-07-19 v2 人工智能
信息检索
摘要
精确率-召回率（PR）曲线及其下面积被广泛用于总结机器学习结果，尤其是在处理类别偏斜的数据集时。它们常被类比于ROC曲线及ROC曲线下面积。已知PR曲线会随类别偏斜的变化而变化。本文之前未被认识到的是，PR空间中存在一个完全不可达的区域，且该区域的大小仅取决于偏斜程度。本文精确刻画了该区域的大小，并讨论了其对机器学习经验评估方法的影响。
引用
@article{arxiv.1206.4667,
title = {Unachievable Region in Precision-Recall Space and Its Effect on Empirical Evaluation},
author = {Kendrick Boyd and Vitor Santos Costa and Jesse Davis and David Page},
journal= {arXiv preprint arXiv:1206.4667},
year = {2012}
}
备注
ICML2012, fixed citations to use correct tech report number