为稀有事件选择指标
使用 PR 曲线，而不是单看准确率
为稀有事件选择指标 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 4 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。
选择正确的衡量标准
您已经不再信任类别不平衡时的准确率。现在需要能够真正奖励识别出罕见事件的指标。
精确率问：我们确定吗
精确率是被标记为正类的样本中，真正为正类的比例。精确率高意味着您的提醒中误报很少。
召回率问：我们识别出来了吗
召回率是您实际捕获到的真实正例所占的比例。对于罕见且代价高昂的事件，漏掉它们是最糟糕的结果。
F1 平衡两者
F1 分数将精确率和召回率融合为一个数值。只有两者都表现不错时，它才会上升，从而惩罚偏科的模型。
PR 曲线
精确率-召回率曲线展示了在所有阈值下的权衡关系。它直接反映您所关注的少数类。
为什么这里使用 PR 而不是 ROC
在类别严重不平衡时，由于真负例数量很多，ROC 曲线可能看起来过于乐观。PR 曲线会如实反映少数类的表现。
平均精确率
平均精确率用一个分数概括 PR 曲线。数值越高，表示在多个召回率水平上都能保持较高的精确率。
阅读完整报告
调用一次 scikit-learn 函数，就能同时输出每个类别的精确率、召回率和 F1 分数，因此少数类不会被掩盖。
from sklearn.metrics import classification_report
print(classification_report(y_test, preds))关注少数类那一行
在这份报告中，请重点查看少数类所在的行。它的召回率和精确率能告诉您模型是否真正有效。🎯
让评估指标匹配代价
如果漏检很危险，请优化召回率。如果误报代价高昂，请优先考虑精确率。让现实中的代价来决定取舍。
报告不止一个指标
不要只依赖一个数值。请同时展示精确率、召回率、F1 分数和 PR 曲线，避免被虚高的准确率误导。
快速检查
哪项指标最适合罕见但重要的事件？
回顾
对于罕见事件，应使用精确率、召回率、F1 分数和 PR 曲线进行评估，而不是准确率。请根据哪类错误代价最高来选择指标。🎯
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「为稀有事件选择指标」课时是免费的吗？
是的 — 「为稀有事件选择指标」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。
「为稀有事件选择指标」这节课中我会学到什么？
使用 PR 曲线，而不是单看准确率 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Data Science Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 4 节课，共 4 节。
「为稀有事件选择指标」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Data Science Academy 课中编写并运行代码吗？
能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 类别不平衡时准确率为何会误导
- 重采样：SMOTE 和欠采样
- 类别权重和阈值
- 为稀有事件选择指标