Следующее изображение определенно имеет смысл для меня. Эксплуатационная характеристика приемника (ROC) на тестовом наборе
Скажите, что у вас есть несколько подготовленных бинарных классификаторов A, B (B не намного лучше, чем случайное угадывание и т. Д.), И тестовый набор, состоящий из n тестовых образцов, которые идут со всеми этими классификаторами. Поскольку Precision и Recall вычисляются для всех n выборок, эти точки, соответствующие классификаторам, имеют смысл.
Теперь иногда люди говорят о кривых ROC, и я понимаю, что точность выражается как функция отзыва или просто построенная точность (Отзыв).
Я не понимаю, откуда эта переменность, поскольку у вас есть фиксированное количество тестовых образцов. Вы просто выбираете некоторые подмножества тестового набора и находите точность и отзыв для их построения и, следовательно, много дискретных значений (или интерполированной линии)?
Это может быть хороший вопрос, чтобы спросить о http://stats.stackexchange.com - они больше сосредоточены на статистических данных и таких там. – lmjohns3