AUPRC（適合率–再現率曲線の下の面積）
AUPRCは、分類器が陽性を陰性より上位に並べられるかを、適合率に注目して要約する。ランダムな分類器のAUPRCは陽性の有病率に等しく、ベースラインはデータに依存する。
よくある質問
ランダムな分類器のAUPRCは、いくつですか。
有病率（データ中の陽性の割合）に等しくなります。0.3は、陽性が1%なら基準を大きく上回り、50%なら下回ります。
AUROCよりAUPRCが適するのは、どんなときですか。
陽性が少なく、上位の候補のうち正しいものがどれだけあるかが問いのときです。陰性が非常に多いと、上位の候補の適合率が低くてもAUROCは高いままになり得ます。
AUPRCが高ければ、上位の候補は正しいですか。
直接はそうとは限りません。AUPRCは順位全体の要約です。実際に試す候補数での適合率を報告します。
AUPRCは、適合率–再現率曲線の下の面積である。分類器が、陽性の事例を陰性より上位に並べられるかを、真陰性率ではなく適合率（予測した陽性のうち正しいものの割合）に注目して要約する。
定義
適合率–再現率曲線は、判定の閾値を変えたときの、適合率を再現率（感度）に対してプロットしたものである。AUPRCはその下の面積である。平均適合率（average precision）として計算することが多く、これは閾値ごとの適合率を、再現率の増加で重みづけして足したものである。点の間を台形則のように直線で補間すると、値が高く見えることがある。
ランダムに並べる分類器のAUPRCは、有病率（データ中の陽性の割合）に等しい。このためベースラインはデータごとに変わる。AUROCのベースラインは常に0.5である。
使い方
陽性が少なく、上位の候補のうち実際に正しいものがどれだけあるかが問いのとき（追試する遺伝子や化合物を選ぶ場合など）、AUROCよりAUPRCが適する。不均衡なデータでは、陰性が非常に多いために、上位の候補の適合率が低くてもAUROCが高いままになり得る（Saito and Rehmsmeier, 2015）。
よくある落とし穴
- 有病率が異なるデータ間でAUPRCを比べること。0.3は、有病率1%では基準を大きく上回るが、50%では下回る。
- 高いAUPRCを、上位の候補のうち正しいものの数として扱うこと。実際に試す候補数での適合率を報告する。
- 重みを示さずにクラスや文脈で平均すること、または平均プロファイルのような単純なベースラインと比べないこと。