К содержанию
Quantoros

Когда PR-AUC полезнее ROC-AUC?

Classic MLУровень: ПрактикаClassification

Когда PR-AUC полезнее ROC-AUC?

Подсказки
  • Выпишите TP, FP, TN и FN для небольшого примера.
  • Разделите качество ранжирования, выбор порога и калибровку вероятностей. Какая ошибка дороже?

Ответ

ROC сравнивает TPR и FPR, а PR — precision и recall. PR-AUC обычно полезнее, когда важен положительный класс, истинно отрицательных объектов очень много или их число само по себе мало говорит о решаемой задаче. ROC-AUC удобен для оценки разделимости обоих классов; выбор всё равно должен соответствовать практической цели.

Источник и лицензия: Alexey Grigorev & contributors — Data Science Interviews · CC-BY-4.0 · перевод: Quantoros

Похожие вопросы