machine-learning - 良好的 ROC 曲线但较差的精确召回曲线

Question

我有一些我不太了解的机器学习结果。我正在使用 python sciki-learn，有大约 14 个特征的 2+ 百万数据。“ab”的分类在精确召回曲线上看起来很糟糕，但 Ab 的 ROC 看起来与大多数其他组的分类一样好。这有什么可以解释的？

Answer 1

阶级不平衡。

与 ROC 曲线不同，PR 曲线对不平衡非常敏感。如果您在不平衡数据上优化分类器以获得良好的 AUC，您可能会获得较差的精确召回结果。