当PR只有一个值时，如何形成Precision-Recall曲线？

我有一个数据挖掘任务，负责制作基于内容的图像检索系统。我有5张动物的20张图像。因此，总共100张图片。

我的系统将10个最相关的图像返回到输入图像。现在，我需要使用Precision-Recall曲线评估系统的性能。但是，我不理解精确召回曲线的概念。假设我的系统返回了10张大猩猩图像，但其中只有4张是大猩猩。返回的其他6张图片是其他动物的图片。从而，

所以我只有一个点<0.2,0.4>，没有曲线。如何绘制曲线（即一组点）？我应该更改返回的图像数量（在我的情况下固定为10）吗？

data-mining matlab precision-recall curves computer-vision

— 杰夫
source

大多数模型会分配属于某个类的概率，而不是某个类本身的概率-否则您会从分类器中挤出一个。通过更改概率截止值得出曲线。如果提及使用的分类器，您可能会得到更详细的答案。

— 查尔斯2014年

我计算特征向量（颜色，纹理和形状）并获得每个特征向量的相似度分数，将它们求和以得出总相似度分数，然后对它们进行降序排序。前10个图像索引是最相关的。我可以从图像索引类指标，因为图像是有序的（20只大猩猩，长颈鹿20等），我希望我自己清楚，因为我不完全理解的概念分类/描述符等

— 杰夫

意识到我没有很好地阅读问题。以为您遇到了两类问题（大猩猩/无大猩猩）。随着更多的课程超越我，这可能会有所帮助：stats.stackexchange.com/questions/2151/…–

— charles

生成PR曲线类似于生成ROC曲线。要绘制此类图，您需要对测试集进行全面排名。要进行此排名，您需要一个分类器，该分类器输出决策值而不是二进制答案。决策值是对预测的置信度的度量，我们可以使用它对所有测试实例进行排名。例如，逻辑回归和SVM的决策值分别是到分离超平面的概率和（有符号）距离。

如果处置决策值，则可以在所述决策值上定义一组阈值。这些阈值是分类器的不同设置：例如，您可以控制保守程度。对于逻辑回归，默认阈值为但您可以遍历的整个范围。通常，将阈值选择为模型为测试集生成的唯一决策值。 $f(\mathbf{x}) = 0.5$ $(0, 1)$

在每个阈值选择下，您的模型都会产生不同的预测（例如，不同数量的正向和负向预测）。这样，您将获得一组精度不同的元组，并在每个阈值处调用它们，例如一组元组。PR曲线是基于对绘制的。 $( T_i, P_i, R_i )$ $( P_i, R_i )$

如果我正确理解您的评论，则您计算出的总相似度得分可以用作决策值。

— 马克·克莱森
source

这对我来说还不清楚，您能否通过类似于OP的动物图像检索情况的详细示例进行研究？

— 先生