AUC-PR（AreaUnderthePrecision-RecallCurve）是衡量分类器性能的重要指标，他可以帮助我们评估一个分类器在预测正例时的准确度。通常用来衡量不平衡数据集（标签分布无偏）中的分类器性能，或者我们关心正例（某些特定类）时性能较好的分类器。AUC-PR通过Precision和Recall两个指标来度量。所谓Precision，就是有多少正例预测正确，Recall指的是多少正例被正确地预测出来，而AUC-PR值就是这两个指标的函数曲线面积，范围是[0,1]，当AUC-PR值越大时，说明分类器的性能越好。