精确率–召回率曲线生成器
用实验或科研数据生成 精确率–召回率曲线生成器
根据真实标签和预测概率生成精确率–召回率曲线，并在可计算时显示阳性率基线、阈值和平均精确率。
精确率–召回率曲线生成器 示例
查看 6 组可直接使用的数据与图形风格，覆盖真实科研场景。
精确率–召回率曲线生成器能展示什么？
精确率–召回率曲线生成器（Precision–Recall Curve Generator）用于展示分类阈值变化时，精确率（阳性预测值）与召回率（敏感度）之间的权衡关系。在阳性样本极少且假阳性成本极高的不平衡分类场景中，该图表具有极高的学术应用价值。
精确率–召回率曲线生成器的数据格式要求
- 每个样本需包含一个二分类的实际观测标签，以及一个连续型的预测得分或预测概率。
- 可添加可选的模型名称、交叉验证折数、队列或亚组列，以便在同一张图内进行多曲线对比。
- 确保所有对比曲线中的阳性类别（Positive Class）定义完全一致。
- 必须使用留出集（Held-out Set）或严格交叉验证得到的预测结果，严禁直接使用训练集预测值。
精确率–召回率曲线科研应用实例
- 不平衡分类精确率–召回率曲线
- 疾病筛查 PR AUC 曲线
- 多分类精确率–召回率曲线
- ROC 与 PR 曲线模型比较
- 目标检测精确率–召回率曲线
- 带平均精确率的 PR 曲线
为什么在科研中使用精确率–召回率曲线？
- 在阳性样本占比极低的非平衡数据集上，能比 ROC 曲线更客观地评估分类器性能。
- 直观评估为了提高召回率而引入更多假阳性预测的具体代价。
- 在与实际应用场景密切相关的特定阈值区间内，精准对比不同模型的表现。
- 在报告平均精确率（AP）或曲线下面积（AUC）等单一指标时，配合完整曲线进行综合呈现。
如何使用 精确率–召回率曲线生成器
选择示例，或上传一个 CSV、TSV、TXT、XLSX、XLS 文件；检查识别到的列，生成图表，再进入 SciVis 继续编辑。Excel 仅读取第一个工作表。
一张规范的精确率–召回率曲线图应包含哪些要素
- X 轴为召回率（Recall），Y 轴为精确率（Precision）。
- 明确标注哪一个类别被定义为阳性（Positive Class）。
- 一条基于阳性样本基准患病率（Prevalence）的无能力基准线（No-Skill Baseline）。
- 若条件允许，应展示不同模型或验证折的独立曲线及置信区间估计。
精确率–召回率曲线还是 ROC 曲线？
当阳性样本非常稀缺，或者假阳性对实际应用有严重负面影响时，请优先选择 PR 曲线。ROC 曲线综合反映了敏感度和特异度，但在类别极度不平衡时，其视觉效果往往偏向乐观。在学术论文中，同时报告这两种曲线是更为严谨的做法。
精确率–召回率曲线生成器 常见问题
精确率–召回率曲线生成器需要哪些数据列？
需要提供二分类的实际标签列和连续型的预测得分列。若要在一张图内对比多条曲线，可选择性提供模型名称或队列列。
我能直接用离散的预测类别标签绘制 PR 曲线吗？
不能。单一的硬分类标签（0 或 1）只能在图上产生一个单一的工作点。您必须提供连续的概率值、决策得分或在不同阈值下计算出的一系列结果，才能绘制出完整的连续曲线。
用 精确率–召回率曲线生成器 生成后还能继续编辑吗？
可以。用 精确率–召回率曲线生成器 生成后打开 SciVis，即可修改标签、配色、标注、版式和其他视觉设置。
精确率–召回率曲线生成器 生成的图可以用于论文吗？
可以。精确率–召回率曲线生成器 面向清晰、适合发表的科学图表；投稿前仍应核对数据和目标期刊要求。
精确率–召回率曲线生成器 可以导出高分辨率图吗？
可以。精确率–召回率曲线生成器 图在 SciVis 中编辑完成后，可按论文、海报、幻灯片和报告的用途导出。
使用 精确率–召回率曲线生成器 需要会编程吗？
不需要。精确率–召回率曲线生成器 通过引导式上传流程生成初稿，后续用 SciVis 的可视化控件完成细化。
