PR曲线图

PR曲线的介绍：
  PR曲线：表示精准率与召回率的关系。 
  recall（精准率）与precision（召回率）的介绍：
  首先了解混淆矩阵：

把正例正确地分类为正例，表示为TP，把正例错误地分类为负例，表示为FN。
把负例正确地分类为负例，表示为TN，把负例错误地分类为正例，表示为FP。
从混淆矩阵可以得出精准率与召回率：
precision = TP/(TP + FP)
recall = TP/(TP +FN)

 画PR曲线：一般是以将recall（精准率）设置为横坐标，precision（召回率）设置为纵坐标。

 

PR曲线的作用：选择合适的阈值(比如K%)对样本进行合理的划分，概率大于K%的样本为正例，小于K%的样本为负例，样本分类完成后计算相应的精准率和召回率，最后我们会得到对应关系。

由于需要找到一个合适的阈值满足要求，看图可知，精准率高则召回率低，精准率低则召回率高。而我们需要两者都高，则需要一个定义一个新的指标：F1分数，确保得到一个最好的阈值，F1分数 = 2 P * R / (P+R)，由此我们可以得出一个合适的阈值。