Average Precision
PR曲线的一种汇总方式，计算精确率对召回率的加权平均，权重为每次召回率增量，常被用作PR-AUC的近似值
时间轴 (近 90 天)
在scikit-learn中，Average Precision (AP) 是PR曲线的常见汇总方式，但它不等同于直接计算PR曲线下梯形面积（AUC-PR）。
AP的计算公式为 Σ (R_n - R_{n-1}) * P_n，其中P_n和R_n分别是第n个阈值下的精确率和召回率；而PR曲线下梯形面积使用线性插值，两者在曲线非单调时会产生差异。
在10000条样本、1%正类比例且负类中有495条得分0.90、正类得分分别为0.80和0.60的合成数据上，使用0.5阈值计算得到：ROC-AUC=0.9500，Average Precision=0.1449，精确率=0.1681，召回率=1.0000，准确率=0.9505，TP=100，FP=495，TN=9405，FN=0。
对于随机排序的分类器，其期望Average Precision大约等于正类流行率（prevalence）；在流行率为1%时随机基线AP约为0.01。
评估指标采用平均精度（Average Precision, AP），在样本高度不平衡的罕见表型任务中比准确率更具参考价值
全部知识事实 (5)
在scikit-learn中，Average Precision (AP) 是PR曲线的常见汇总方式，但它不等同于直接计算PR曲线下梯形面积（AUC-PR）。
50%待验证AP的计算公式为 Σ (R_n - R_{n-1}) * P_n，其中P_n和R_n分别是第n个阈值下的精确率和召回率；而PR曲线下梯形面积使用线性插值，两者在曲线非单调时会产生差异。
50%待验证在10000条样本、1%正类比例且负类中有495条得分0.90、正类得分分别为0.80和0.60的合成数据上，使用0.5阈值计算得到：ROC-AUC=0.9500，Average Precision=0.1449，精确率=0.1681，召回率=1.0000，准确率=0.9505，TP=100，FP=495，TN=9405，FN=0。
50%待验证对于随机排序的分类器，其期望Average Precision大约等于正类流行率（prevalence）；在流行率为1%时随机基线AP约为0.01。
50%待验证评估指标采用平均精度（Average Precision, AP），在样本高度不平衡的罕见表型任务中比准确率更具参考价值
50%