理解查准率P、查全率R及Fβ度量怎么得来的

如果得到的是一组样本在两个算法上的一次预测结果 ，其中每个样本都被赋予了一个为正样本的概率（例如，通过逻辑回归或朴素贝叶斯分类器得到的概率估计），那么可以通过改变不同的阈值点来利用这些预测结果画出PR曲线。

如果得到的是一组样本在两个算法上的一次预测结果 ，其中输出结果是每个样本的类别（例如决策树、支持向量机、k近邻算法），只能得到两个(R,P)点，无法直接画出完整的PR曲线，只能通过计算该情况下的fβ度量来衡量哪个算法好。