P-R 曲线

如果希望将好瓜尽可能筛选出来，则可以增加瓜的数量来实现，如果将所有西瓜都选上，则查全率为 1，而查准率会偏低；反之，若过希望选出的瓜中好瓜比例高，则可只挑有把握的瓜，这会漏掉不少好瓜，使得查全率较低。如何综合考虑查准率和查全率？

根据学习器的预测结果对样本进行排序，将学习器认为“最可能”是正例的样本排在前面，将“最不可能”是正例的样本排在最后；按此顺序逐个把样本作为正例进行预测，每次都计算当前的查全率和查准率，从而得到「P-R 曲线」

注意，P-R 曲线一定过 点，即查准率为 1，查全率为 0 的点，但是不一定过 。因为样本一般情况都是有正例有反例的。因此如果让查全率为 1 时，查准率不会为零。

若一个学习器的 P-R 曲线被另一个学习器的曲线完全“包住”，则后者的性能好于前者；若两者较差，则无法判断。如上图，A 和 B 的性能好于 C，但是 A 和 B 之间的性能好坏无法判断。

当查准率=查全率时的取值称为「平衡点」（Break-Even，Point，BEP）。

根据学习器的预测结果对样本进行排序。以某个「截断点」（Cut Point）将样本判为正例和反例。根据任务需求采用不同的阶段点，若更重视查准率，则选择排序中靠前的位置进行截断；若更重视查全率，则选择靠后的位置进行截断。因此，排序本身对质量好坏，体现了综合考虑学习器在不同任务下的期望泛化性能的好坏