machine-learning - ROC 曲线良好，但精确率-召回率曲线较差

Question

我有一些不太理解的机器学习结果。我正在使用 python sciki-learn，有 2+00 万个大约 14 个特征的数据。 “ab”的分类在精确率-召回率曲线上看起来相当糟糕，但 Ab 的 ROC 看起来与大多数其他组的分类一样好。这能解释什么？

Answer 1

类别不平衡。

与 ROC 曲线不同，PR 曲线对不平衡非常敏感。如果您在不平衡的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。