如何解决sk.learn average_precision_score
sklearn.metrics.average_precision_score formula
在 sklearn 函数中计算的平均精度分数遵循下面和附图所示的公式。
AP = Σ(Rn - Rn-1)Pn *The index value of the sumation is n. Please refer to the attached image for a clear version of the formula
我正在努力完全理解这个函数背后的数学原理。我特别好奇公式中的第n个阈值是如何计算的。阈值的数量是否等于样本的数量？
解决方法
阈值的数量至多等于样本数量，因为多个样本可能具有来自分类器的相同潜在连续值。
至于数学，precision-recall 曲线在横坐标上有recall，在序数上有precision。所以这基本上只是精确召回曲线下面积的近似值，其中 (Rn-Rn-1) 是矩形的宽度，而 Pn 是高度。有点像 AUC 只针对精确召回曲线而不是 ROC 曲线。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
