1 基本概念
1.1 定义
PR曲线通常指精确率—召回率曲线（Precision-Recall Curve），用于展示分类模型在不同阈值下精确率与召回率之间的变化关系。它常见于二分类任务，也可通过扩展用于多分类与排序评估。与只给出单一数值不同，PR曲线能够呈现模型在不同决策强度下的整体表现。
1.2 组成要素
PR曲线的核心由两个指标构成：精确率和召回率。二者分别描述预测结果的“准确程度”和“覆盖程度”，一个偏向少误报，一个偏向少漏报。随着阈值调整，模型会在这两种目标之间不断权衡。
1.2.1 精确率
精确率表示被模型判为正类的样本中，真正为正类的比例。它反映“预测为正”的结果有多可靠。精确率越高，说明误报越少，但通常也可能伴随召回率下降。
1.2.2 召回率
召回率表示真实正类样本中，被模型成功识别出来的比例。它反映模型“找到多少真正目标”的能力。召回率越高，说明漏报越少，但有时会以更多误报为代价。
1.3 曲线的基本含义
PR曲线上的每一个点都对应某个阈值下的一组精确率与召回率。一般而言，阈值降低时，模型更容易判定为正类，召回率往往上升，而精确率可能下降；阈值提高时，情况则相反。曲线的形状因此可以直观反映模型在不同工作点上的取舍。
1.4 适用场景
PR曲线特别适合正负样本比例悬殊的任务，例如少数类识别、异常检测和信息检索。因为在这类场景中，仅看总体准确率容易产生误导，而PR曲线更能体现模型对少数类的实际检出能力。对于负类远多于正类的数据，PR曲线通常比一些传统指标更具解释力。
2 数学与统计基础
2.1 混淆矩阵与指标计算
PR曲线的计算基础来自混淆矩阵。对于每个阈值，模型都可以被转换为一组分类结果，并统计正确与错误预测的数量，再据此计算精确率和召回率。
2.1.1 真阳性、假阳性与假阴性
真阳性是指真实为正且被预测为正的样本；假阳性是指真实为负却被预测为正的样本；假阴性则是真实为正却被预测为负的样本。PR曲线主要依赖这三类统计量，其中真阳性决定命中数量，假阳性影响精确率，假阴性影响召回率。
2.1.2 精确率的计算公式
精确率通常表示为真阳性除以真阳性与假阳性之和，即 TP / (TP + FP)。这一公式说明，凡是被模型判为正类的结果，都要纳入考察范围。若假阳性较多，精确率就会下降。
2.1.3 召回率的计算公式
召回率通常表示为真阳性除以真阳性与假阴性之和，即 TP / (TP + FN)。它衡量真实正类中有多少被成功找到。若模型漏掉大量正类样本，召回率便会偏低。
2.2 阈值与排序
PR曲线并不是凭空绘制出来的，而是基于模型输出分数或概率，在一系列阈值下逐步计算得到。阈值的变化本质上是在改变“判正”的标准。
2.2.1 分类阈值的变化
二分类模型常会输出一个分数，超过某一阈值就判定为正类，低于阈值则判定为负类。改变阈值，会使不同样本在正负之间发生转换，从而生成不同的精确率和召回率组合。PR曲线就是这些组合的轨迹。
2.2.2 排序分数与置信度
很多模型输出的是排序分数或置信度，并不一定是严格校准过的概率。只要这些分数能够反映样本相对大小，就可以用于构建PR曲线。分数越高，通常越可能被排在前列并优先判为正类。
2.3 类别不平衡问题
PR曲线之所以常被用于不平衡数据，主要是因为它对正类识别更敏感。在负类占绝大多数时，一些看似不错的总体指标并不能真实反映模型质量。
2.3.1 少数类识别
在少数类识别任务中，模型往往更关注少量但重要的正类样本。例如异常点、罕见故障或罕见疾病样本，数量少但价值高。PR曲线能够较好地展示模型在这些样本上的检出能力。
2.3.2 基线精确率的影响
PR曲线的基线与数据中正类比例密切相关。若正类非常稀少，随机分类器的精确率基线也会较低；反之，正类占比提高，基线也随之上升。因此，不同数据集上的PR结果不能只看数值大小，还要结合类别分布理解。
3 曲线构建方法
3.1 从模型输出生成PR曲线
构建PR曲线通常需要模型对每个样本给出一个分数，再按不同阈值进行判定。每个阈值都会对应一个混淆矩阵，从而得到一对精确率和召回率。
3.1.1 按阈值逐点计算
一种直接方法是设定多个阈值，逐一计算对应的精确率与召回率。阈值越密，曲线越平滑；阈值越少，曲线越离散。这种方式实现简单，适合教学和小规模分析。
3.1.2 按预测分数排序
更常见的方法是将样本按预测分数从高到低排序，再依次把样本纳入“判为正类”的集合。每增加一个样本，就重新统计指标，进而形成一系列点。该方法能更完整地反映模型的排序能力。
3.2 离散点与连续近似
实际生成的PR曲线通常是一组离散点，而不是数学意义上的连续曲线。为了便于展示和比较，常会对这些点进行近似处理。
3.2.1 采样点的选择
采样点的数量和位置会影响曲线形态。若只取少量阈值，可能遗漏细节；若取全部候选阈值，则能更准确地描述变化过程。常见做法是使用所有不同分数对应的临界点。
3.2.2 插值与平滑
在部分应用中，会对离散点进行插值或平滑，以减少视觉上的锯齿感。不过，平滑处理应谨慎使用，因为它可能掩盖真实的局部波动。评估时仍应以原始计算结果为准。
3.3 曲线绘制规范
规范的绘图方式有助于正确解读PR曲线，也便于不同模型之间的比较。坐标设置和阈值标注尤其重要。
3.3.1 坐标轴设置
PR曲线通常以召回率为横轴、精确率为纵轴。这样可以直观观察召回提升时精确率的变化。绘图时应清楚标明坐标名称和取值范围，以避免误读。
3.3.2 标注关键阈值
在实践中，常会在曲线上标出若干关键阈值点，例如业务上常用的决策点或达到特定F1值的位置。这样的标注可以帮助使用者把曲线与实际决策联系起来，而不是只把它当作抽象图形。
4 评价指标
4.1 曲线下面积
除了观察曲线形状，人们还常使用面积类指标概括模型的整体表现。面积越大，通常意味着模型在多个阈值下都保持较好的精确率与召回率平衡。
4.1.1 PR-AUC
PR-AUC是PR曲线下面积的简称，用于衡量模型在整个召回率范围内的综合性能。与单点指标相比，它能反映更全面的排序质量。不过，不同实现对面积计算方式可能略有差别，解读时应注意具体定义。
4.1.2 平均精确率
平均精确率是一种常见的汇总指标，通常结合多个召回点上的精确率进行计算。它强调在召回率不断提高的过程中，模型维持高精确率的能力。该指标在检索和排序任务中尤其常见。
4.2 关键点分析
PR曲线除了整体面积外，也可以分析特定区间的表现。有时某些局部区域比全局均值更符合实际需求。
4.2.1 高精确率区间
高精确率区间通常对应较严格的阈值设置，模型只把最有把握的样本判为正类。这个区间适用于误报代价较高的场景，例如需要优先保证“判正即可靠”的任务。
4.2.2 高召回率区间
高召回率区间一般出现在较宽松的阈值下，模型倾向于尽量找出更多正类样本。此时即使误报有所增加，也可能符合“宁可多报，不可漏报”的应用需求。
4.3 基线与参照
评估PR曲线时，必须考虑参照线和数据背景，否则容易高估或低估模型价值。基线通常提供一个最低参考水平。
4.3.1 随机分类器基线
随机分类器的精确率通常接近数据中正类的比例，因此可作为PR曲线的参照基线。模型若明显高于该基线，说明其对正类具有一定识别能力；若接近基线，则表明改进空间较大。
4.3.2 不同数据集间的可比性
PR曲线在跨数据集比较时要格外谨慎，因为正类占比不同会直接影响基线与曲线形态。即便面积指标相近，也不一定代表实际难度相同。因此，比较时应结合样本分布与任务目标综合判断。
5 与其他评估方法的关系
5.1 与ROC曲线的比较
PR曲线与ROC曲线常被并列讨论，二者都用于评估分类性能，但关注点不同。前者更强调正类识别质量，后者更重视整体区分能力。
5.1.1 坐标含义差异
ROC曲线通常以假阳性率和真阳性率为坐标，而PR曲线则以精确率和召回率为坐标。前者更依赖负类统计，后者更直接反映正类预测质量。因此，两者在解释重点上存在明显差异。
5.1.2 类别不平衡下的表现差异
在类别不平衡场景中，ROC曲线有时会显得过于乐观，因为大量负类样本可能掩盖误报问题。PR曲线则会对假阳性更敏感，因此更能揭示少数类识别中的真实困难。这也是PR曲线常被优先使用的原因之一。
5.2 与F1分数的关系
F1分数是精确率与召回率的调和平均，常被视为PR曲线中的一个单点摘要。它可以帮助人们在某个阈值上快速比较模型。
5.2.1 单点指标与曲线指标
F1分数只对应一个具体阈值，而PR曲线展示的是整个阈值变化过程。前者便于简明比较，后者更适合全面分析。若只看F1，可能忽略模型在其他工作点上的优劣。
5.2.2 阈值选择中的配合使用
实际应用中，常先绘制PR曲线，再根据需求寻找使F1较优的阈值，或选择更符合业务成本的点。这样既能利用曲线提供的整体信息，也能借助F1得到一个便于落地的决策方案。
5.3 与精确率-召回率平衡的关联
PR曲线本质上就是对精确率与召回率平衡关系的可视化表达。它强调模型无法同时无限制地提高两者，通常只能在某个方向上做出偏重。
5.3.1 业务目标导向
不同业务会对精确率和召回率有不同偏好。比如，有的任务更怕误报，有的任务更怕漏报。PR曲线可以帮助决策者根据目标选择合适的工作点，而不是机械追求某个统一指标。
5.3.2 误报与漏报权衡
误报多意味着精确率下降，漏报多意味着召回率下降。PR曲线将这种冲突清晰地展示出来，使使用者能够在两类错误之间做权衡。对很多真实场景而言，这种权衡比单纯追求高分更重要。
6 应用领域
6.1 机器学习分类任务
在机器学习中，PR曲线广泛用于评估二分类模型，尤其是在样本分布不均衡时。它不仅可用于最终结果评价，也常用于模型调参和阈值选择。
6.1.1 文本分类
在垃圾邮件识别、情感分类或主题筛选中，PR曲线可帮助分析模型对目标文本的捕捉能力。对于少量正类文本的任务，曲线往往比准确率更能说明问题。
6.1.2 图像识别
在目标检测、缺陷识别和图像筛查中，PR曲线可用于评估模型找出目标的能力。特别是在目标稀少或背景复杂的情况下，精确率与召回率之间的平衡尤为关键。
6.1.3 异常检测
异常检测任务中的“异常”通常非常少见，因此PR曲线很适合用于衡量模型是否能稳定识别少数异常样本。若模型仅靠大量正常样本就取得高准确率，PR曲线仍能揭示其对异常的真实表现。
6.2 信息检索与推荐系统
在检索与推荐场景中，模型通常输出排序结果而非简单分类标签，因此PR曲线及其相关指标具有天然适用性。它们可以反映系统在前排结果中识别相关对象的能力。
6.2.1 检索排序评估
搜索引擎或文档检索系统常使用PR曲线分析不同排序策略的效果。随着检索深度变化，相关结果被逐步纳入，精确率与召回率的关系也随之改变。
6.2.2 Top-K结果分析
Top-K分析关注前K个结果中有多少是真正相关的，同时也考察相关对象是否被覆盖。PR曲线与这种分析方式十分契合，因为它能直观体现“前排结果是否够准”以及“整体覆盖是否足够”。
6.3 生物医学与科学计算
在生物医学和科学计算中，很多重要事件都属于低频但高价值样本，因此PR曲线常被用于辅助评估。
6.3.1 罕见事件检测
对稀有病症、异常信号或特定结构的识别，往往依赖模型在极不平衡数据中的表现。PR曲线可帮助研究者判断模型是否真的提升了罕见事件的检出率。
6.3.2 实验结果评估
在实验研究中，PR曲线可用于比较不同算法对阳性信号的识别能力。它不仅适合评价最终性能，也有助于分析不同参数设置下的变化趋势。
7 解读与使用注意事项
7.1 数据分布对曲线的影响
PR曲线的形态与数据分布密切相关，尤其受正负样本比例和样本数量影响。忽视这些因素，容易对模型能力作出过度判断。
7.1.1 正负样本比例变化
当正类比例改变时，基线和曲线位置都会发生变化。即使模型本身没有变化，在不同数据集上画出的PR曲线也可能看起来差异很大。因此比较时要确保数据条件尽量一致。
7.1.2 样本量波动
样本量较小时，曲线通常更不稳定，个别样本的变化就可能明显影响指标。样本量增大后，曲线一般更平滑，也更能代表真实趋势。做统计解释时应考虑这种波动性。
7.2 指标误区
使用PR曲线时，常见问题不是不会画，而是过度简化解读。只看某一个值，往往会忽略曲线真正传递的信息。
7.2.1 只看单点不看整体
如果只盯着某个阈值下的精确率或F1分数，就容易忽视模型在其他区间的表现。一个模型可能在某一局部点上表现不错，但整体曲线并不稳定。完整曲线能提供更全面的判断依据。
7.2.2 忽视召回率极低区间
有些模型在极高精确率下召回率接近很低，这意味着它只识别极少数最明显样本。若业务要求尽可能找全目标，这类模型并不合适。解读时不能只追求“看起来很准”，还要关注覆盖程度。
7.3 实践中的阈值决策
最终落地通常离不开阈值选择。PR曲线提供了多个候选点，真正的决策还要结合任务属性和成本结构。
7.3.1 按任务成本选择阈值
若误报代价较高，可倾向选择较高精确率的阈值；若漏报代价更高，则应优先提升召回率。阈值选择本质上是把模型输出转化为实际行动的规则。
7.3.2 按业务容忍度设定目标
不少实际系统会先确定可接受的误报率或漏报率，再在PR曲线上寻找满足条件的工作点。这样做有助于把技术指标与业务容忍范围对齐，使模型评估更贴近应用。
8 常见扩展主题
8.1 PR曲线与校准
PR曲线虽然依赖模型分数，但并不等同于概率校准。不过，分数质量仍会影响曲线的稳定性和解释方式。
8.1.1 预测概率的可靠性
如果模型输出的概率与真实发生概率接近一致，那么阈值解释会更直接。若概率校准较差，分数仍可用于排序，但其绝对数值未必能准确表示事件发生可能性。
8.1.2 分数分布分析
分析预测分数的分布，有助于理解曲线为何呈现某种形状。若正负样本分数分离明显，PR曲线通常更好；若分数重叠严重，则精确率和召回率之间的拉扯会更明显。
8.2 多分类情形
PR曲线不仅限于二分类，也能通过一定方式扩展到多分类任务。常见方法是把某一类当作正类，其余类合并为负类，再逐类评估。
8.2.1 One-vs-Rest方法
One-vs-Rest方法把每个类别轮流视为正类，其他类别视为负类，从而得到每一类对应的PR曲线。这种做法便于比较不同类别的可识别程度，也便于发现薄弱类别。
8.2.2 宏平均与微平均
宏平均会对各类别结果等权处理，微平均则按样本总量汇总统计。前者更关注类别间均衡，后者更强调整体样本层面的表现。两种平均方式在类别不平衡时可能给出不同结论。
8.3 可视化与工具实现
PR曲线在现代数据分析工具中通常很容易实现，很多常用库都提供了现成接口。可视化质量会直接影响读图和比较效率。
8.3.1 常见绘图方法
常见绘图方法包括手工计算后使用通用绘图库作图，以及直接调用机器学习库中的评估函数生成图形。前者更灵活，后者更方便，适合快速实验与报告展示。
8.3.2 代码库与软件支持
许多统计软件和编程库都支持PR曲线、PR-AUC和平均精确率的计算。常见工具通常还能配合混淆矩阵、阈值扫描和模型比较功能，方便完整分析模型在不同工作点下的性能。