PR曲线是另一种衡量算法性能的评价标准，其使用精确度（Precision, Y轴）和召回率（Recall, X轴）作为坐标系的基底
本文着重于二分类的PR曲线
参考一个例子：
Suppose a computer program for recognizing dogs in photographs identifies 8 dogs in a picture containing 12 dogs and some cats. Of the 8 identified as dogs, 5 actually are dogs (true positives), while the rest are cats (false positives). The program's precision is 5/8 while its recall is 5/12.
停止更新，使用知识图谱
从2019开始通过博客框架Hexo以及文档框架Sphinx/MkDocs进行文档整理，总结过去在书本以及实际编程中的知识和技能。随着文档的增多，如何有效、规范的整理越来越多的文档成了一个新的难题
偶然间看过一篇文章，里面采用金字塔的形式，按重要/难易程度分层排列不同的知识和技能。这种方式确实能够帮助理清学过的知识，同时能够更加明确未来学习的着重点。我将整个金字塔按重要/难易程度从上到下升序分为5层:
ROC曲线（receiver operating characteristic curve，受试者工作特征曲线）是一个二维图，用于说明分类器在不同阈值下的分类能力
本文通过ROC曲线评价二元分类器
算法的关键环节就是评价标准的细分，通过不同的评价标准，能够理清算法实现的边界，有助于进一步思考未来进步的方向。本文专注于学习分类任务和检测任务的评价标准，关键字如下：
混淆矩阵（confusion matrix）是分类任务中最常见的特性，通过矩阵形式展示预测类别和真实类别的差异
本文学习二分类下的混淆矩阵
小结软件工程学习
小结数学学习过程中总结的文档
之前整理了一套文档生成、托管和发布流程，使用Sphinx完成工程文档的生成，使用Github完成文档的托管，使用Readthedocs完成文档的发布
在实践过程中发现整个流程都有或大或小的不足，尤其是Sphinx工具，最近学习了另外一个文档生成工具MkDocs，更加符合个人的需求
Iris数据集包含3个类别4个属性，共150个实例
德国信用卡数据（German Credit Data）提供了一个二分类数据集，下载地址 - statlog/german