我想知道精确回忆曲线是否与聚类算法相关。例如，通过使用诸如Mean shift或DBSCAN之类的无监督学习技术（或者它仅与分类算法相关）。如果是，如何获得低召回值的绘图点？是否允许更改模型参数以获得模型的低召回率？
答案 0 :(得分：0)
PR曲线（和ROC曲线）需要排名。
E.g。分类器分数，可用于根据对A类的可能性对对象进行排名。
在群集中，您通常没有这样的排名。
如果没有排名，你就不会得到曲线。此外，群集中的精确度和召回率是多少？使用ARI和NMI进行评估。
但是存在诸如异常值检测之类的无监督方法，其中例如ROC曲线是相当常见的评估方法。 PR曲线更成问题，因为在0处它没有定义，ton不应该线性插值。因此，对于PR曲线，流行的“曲线下面积”没有很好地定义。由于还有十几种其他措施，因此我会避免使用PR-AUC。