Некоторые преимущества использования Precision-Recall-кривой перед ROC-кривой:

• Чувствительность к соотношению классов. 2 ROC-кривая может давать неадекватную оценку качества работы алгоритма, если положительный класс существенно меньше по размеру. 2 Precision-Recall-кривая позволяет избавиться от этой проблемы. 2
• Возможность оценки работы модели в условиях несбалансированных данных. 5 На Precision-Recall-кривую не влияет добавление в исследование пациентов без заболевания и с низкими результатами тестов, в то время как на ROC-кривую это может повлиять. 5
• Помощь в выборе порогового значения. 4 Precision-Recall-кривые позволяют найти лучшее пороговое значение. 4

Precision-Recall-кривая и ROC-кривая — это стандартные метрики, которые используются для измерения точности моделей бинарной классификации и поиска подходящего порога принятия решения. 3