當我只有一個 PR 值時，如何形成 Precision-Recall 曲線？

我有一個數據挖掘任務，我在其中製作基於內容的圖像檢索系統。我有 5 種動物的 20 張圖片。所以總共有100張圖片。

我的系統將 10 個最相關的圖像返回到輸入圖像。現在我需要使用 Precision-Recall 曲線來評估我的系統的性能。但是，我不理解 Precision-Recall 曲線的概念。假設我的系統為大猩猩圖像返回 10 張圖像，但其中只有 4 張是大猩猩。返回的其他 6 張圖像是其他動物的。因此，

• 精度是4/10 = 0.4（返回的相關項）/（全部返回）
• 召回是4/20 = 0.2（相關返回）/（所有相關）

所以我只有一個點，<0.2,0.4>而不是曲線。我如何有一條曲線（即一組點）？我是否應該更改返回的圖像數量（在我的情況下固定為 10）？

生成 PR 曲線類似於生成 ROC 曲線。要繪製這樣的圖，您需要對測試集進行完整排名。要進行此排名，您需要一個輸出決策值而不是二元答案的分類器。決策值是對預測的置信度的度量，我們可以使用它來對所有測試實例進行排名。例如，邏輯回歸和 SVM 的決策值分別是到分離超平面的概率和（有符號）距離。

如果您處理決策值，您將在所述決策值上定義一組閾值。這些閾值是分類器的不同設置：例如，您可以控制保守程度。對於邏輯回歸，默認閾值為但你可以遍歷整個範圍. 通常，閾值被選擇為您的模型為測試集產生的唯一決策值。

在每次選擇閾值時，您的模型都會產生不同的預測（例如，不同數量的正面和負面預測）。因此，您會得到一組具有不同精度和召回率的元組，例如一組元組. PR曲線是根據對。

如果我正確理解了您的評論，您計算的總相似度得分可以用作決策值。

引用自：https://stats.stackexchange.com/questions/94189