pr曲线比roc更适合极度不平衡数据，因其以精确率和召回率为坐标轴，聚焦正类判别质量；当正样本占比低于1%时，roc因大量负样本稀释fp导致auc虚高，而pr中precision对fp敏感，能真实反映模型在关键区域的失效。

PR曲线比ROC更适合极度不平衡数据的原因

当正样本占比低于1%时，ROC曲线容易掩盖分类器在关键区域的失效——它把大量负样本的真负率（TNR）当作稳定分母，导致AUC虚高。而PR曲线用精确率（Precision）和召回率（Recall）作坐标轴，两者分母分别是预测为正的样本数和真实正样本数，天然聚焦于正类判别质量。

• Precision = TP / (TP + FP)：关注“我猜对了多少个正例”
• Recall = TP / (TP + FN)：关注“我漏掉了多少个正例”
• 当负样本爆炸多时，FP极易被稀释，Precision会剧烈波动，这反而是真实信号

用scikit-learn计算PR曲线的三步实操

别直接调precision_recall_curve就完事，漏掉校准和插值会误导判断：

python 查询技能

查询客流数据，输出JSON格式，可直接导入Bitable等可视化工具

下载

• 先确保模型输出是概率或决策函数得分（不是硬标签），例如用clf.predict_proba(X)[:, 1]或clf.decision_function(X)
• 调用precision_recall_curve(y_true, y_score)，它返回三个等长数组：precision、recall、thresholds
• 手动补上端点：首点应为(precision[0], 0)（召回率为0时精度无定义，按惯例设为最高精度），末点是(1, recall[-1])（阈值→−∞时所有样本判正，召回率=1，精度=正样本占比）

from sklearn.metrics import precision_recall_curve, auc
precision, recall, _ = precision_recall_curve(y_true, y_score)
# 补端点后计算AUC
pr_auc = auc(recall, precision)

画PR曲线时最容易踩的三个坑

• 横纵轴颠倒：必须是recall为横轴、precision为纵轴，和ROC相反；画反会导致曲线下面积失去可比性
• 未降序排列recall：原始precision_recall_curve返回的recall数组是降序，但precision对应点不单调，直接plt.plot(recall, precision)会画出锯齿折线；应先对recall升序排序并重排precision
• 忽略基线：不平衡数据下，随机分类器的PR曲线不是对角线，而是水平线y = pos_ratio（正样本占比），必须画出来才能判断模型是否真有区分力

对比多个分类器时，只看AUC不够可靠

PR AUC整体值容易受低召回区段拖累，而业务往往只关心高精度下的最小可用召回（比如“在精度≥0.9时，最多能抓到多少欺诈订单”）：

• 用np.interp(0.9, precision[::-1], recall[::-1])查精度≥0.9时的最大召回
• 或直接截取precision >= 0.85的片段，看这段的平均精度/中位召回
• 多个模型在相同精度阈值下比较召回率，比比AUC更贴近部署需求

真正难的是让模型在recall > 0.6时仍保持precision > 0.7——这要求正负样本在特征空间里存在局部可分结构，而不是靠全局阈值硬切。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！