精確率–召回率曲線產生器
用實驗或研究資料建立 精確率–召回率曲線產生器
根據真實標籤與預測機率建立精確率–召回率曲線，並在可計算時顯示盛行率基線、閾值與平均精確率。
為研究資料設計可在 SciVis 編輯支援 CSV、TSV、TXT 與 Excel適合論文輸出
精確率–召回率曲線產生器 範例
查看 6 組可直接使用的資料與視覺風格，涵蓋真實研究情境。
精確率–召回率曲線產生器（Precision-Recall Curve Generator）能呈現什麼？
精確率–召回率曲線產生器呈現了在不同分類門檻下，精確率（Positive Predictive Value）與召回率（Sensitivity）之間的權衡關係。在陽性樣本極為稀少且偽陽性代價高昂的研究場景中，此圖表尤為重要。
精確率–召回率曲線產生器的數據格式要求
- 每個案例須包含一個二元實際標籤，以及一個連續型得分或預測機率。
- 可加入選用的模型、摺疊、世代或子組欄位以進行多條曲線比較。
- 確保所有數據系列中的陽性類別（Positive Class）定義完全一致。
- 請使用保留測試集或經嚴格交叉驗證後的預測結果，而非訓練集預測值。
精確率–召回率曲線的學術研究應用範例
- 不平衡分類精確率–召回率曲線
- 疾病篩檢 PR AUC 曲線
- 多類別精確率–召回率曲線
- ROC 與 PR 曲線模型比較
- 物件偵測精確率–召回率曲線
- 含平均精確率的 PR 曲線
為什麼需要使用精確率–召回率曲線？
- 在陽性類別極不平衡的數據集中評估分類器性能。
- 直觀呈現為了提高召回率而必須付出的偽陽性預測代價。
- 在與實際應用相關的特定門檻下比較不同模型。
- 在報告平均精確率（AP）或曲線下面積時，應搭配完整曲線呈現而非僅提供單一數值。
如何使用 精確率–召回率曲線產生器
選擇範例，或上傳一個 CSV、TSV、TXT、XLSX、XLS 檔案；檢查辨識出的欄位，產生圖表，再進入 SciVis 編輯。Excel 僅匯入第一個工作表。
一張清晰的精確率–召回率曲線應包含哪些要素
- x 軸為召回率（Recall），y 軸為精確率（Precision）。
- 明確標示何者為陽性類別。
- 一條基於陽性類別盛行率（Prevalence）的無基準預測線（No-skill Baseline）。
- 若可行，請標示不同模型或驗證摺疊的獨立曲線與不確定性估計。
該選擇精確率–召回率曲線還是 ROC 曲線？
當陽性樣本稀少，或偽陽性會直接影響實際應用價值時，請優先使用精確率–召回率曲線。ROC 曲線結合了敏感度與特異度，在嚴重類別不平衡的情況下，其視覺呈現往往過於樂觀。在論文中同時呈現兩者通常是最完整的做法。
精確率–召回率曲線產生器 常見問題
精確率–召回率曲線產生器需要哪些數據欄位？
請提供二元實際標籤與連續型預測得分。若要比較多條曲線，可加入選用的模型（model）或世代（cohort）欄位。
我能用已分類的硬標籤（Class Labels）繪製精確率–召回率曲線嗎？
單一的硬分類標籤只能提供單一的工作點。您必須提供預測機率、決策得分或跨多個門檻計算出的結果，才能繪製出完整的曲線。
用 精確率–召回率曲線產生器 產生後還能繼續編輯嗎？
可以。用 精確率–召回率曲線產生器 產生後開啟 SciVis，即可修改標籤、配色、註解、版面與其他視覺設定。
精確率–召回率曲線產生器 的圖可以用於論文嗎？
可以。精確率–召回率曲線產生器 以清楚、適合發表的科學圖表為目標；投稿前仍應核對資料與期刊要求。
精確率–召回率曲線產生器 可以輸出高解析度圖嗎？
可以。精確率–召回率曲線產生器 圖在 SciVis 完成編輯後，可依論文、海報、投影片與報告用途輸出。
使用 精確率–召回率曲線產生器 需要會寫程式嗎？
不需要。精確率–召回率曲線產生器 透過引導式上傳流程建立初稿，後續可用 SciVis 的視覺控制細修。
