精度召回曲线下的面积，单位为R或其他汇总数量

我计划使用精确回忆图（PR图）来比较模型。请参阅下面的附图（部分截图，抱歉！）。显然，我手头有真阳性、真阴性、假阳性和假阴性，我需要一个每个模型的单个汇总数量。以下是我的问题：

PR曲线下的面积（AUC）是第一个数量，但我不知道如何计算R中的面积。我不想使用任何包，如

ROCR

，因为所有代码都是我自己编写的，我希望使用可用的数量编写我自己的代码。似乎有很多种方法--我希望知道哪种方法最容易实现

另一个量是F-测度：结合精确性和召回率的测度是精确性和召回率的调和平均值，即传统的F-测度或平衡的F-得分。然而，我很好奇，这是否比1中的AUC更好，或者他们描述了不同的事情？此外，由于我有一系列召回率和精度值，在这种情况下，我如何计算单个F度量值（参见下图）

谢谢大家!

---

要计算曲线的AUC，可以在caTools软件包中使用数值积分函数，如

trapz（）

auc我会先看看已经为这些函数编写的代码。谢谢，但根据文档，“梯形规则不是计算积分的最精确方法（对于线性函数是精确的），例如辛普森规则（对于线性和二次函数是精确的）更精确。”当估计下面积的曲线在估计中使用的点之间是非线性的（即召回率和精确度的观察值）时，这是正确的。使用非参数方法估计AUC时（除非对曲线建模，否则就是这样），曲线在点之间是线性的。这使得梯形规则变得精确。然而，在实践中，当曲线表现良好时，两种方法之间几乎没有差异。