Bu tartışmayı okumayı bitirdim . PR AUC'nin dengesiz veri kümesinde ROC AUC'den daha iyi olduğunu iddia ediyorlar.
Örneğin, test veri kümesinde 10 örneğimiz var. 9 numune pozitif ve 1 negatiftir. Her şeyi olumlu tahmin eden korkunç bir modelimiz var. Böylece, TP = 9, FP = 1, TN = 0, FN = 0 olan bir metriğe sahip olacağız.
Sonra, Hassaslık = 0.9, Hatırlama = 1.0. Kesinlik ve geri çağırma çok yüksektir, ancak zayıf bir sınıflandırıcıya sahibiz.
Öte yandan, TPR = TP / (TP + FN) = 1.0, FPR = FP / (FP + TN) = 1.0. FPR çok yüksek olduğundan, bunun iyi bir sınıflandırıcı olmadığını belirleyebiliriz.
Açıkçası, ROC dengesiz veri kümelerinde PR'den daha iyidir. Birisi PR'nin neden daha iyi olduğunu açıklayabilir mi?