如果我有一个基于样本集的混淆矩阵，如何确定召回率/精度/等指标的统计功效（置信度/间隔）？我知道如何对转换概率本身进行统计功效分析，但是如何为召回/精确度做统计功效分析？
probability confidence-interval confusion-matrix precision-recall
ROC 曲线绘制了 TPR 与 FPR 的关系，并根据训练集概率的排列顺序改变阈值。选择的阈值是与左上角最左上角的点相关的概率。这基本上最大化了 TPR 并最小化了误报率。
但是，可以说我的应用程序谈到了最小化假阴性率吗？那么这条曲线会如何变化呢？两者之间的平衡如何？
在statsmodels中，对于SARIMAX或ARIMA模型，我想使用多个外部变量（外生变量）。例如，我想使用滞后3的AR作为收益时间序列，滞后4的AR与天气温度时间序列，以及市场价格的另一个变量，滞后3的AR，预测时间t的收益。这似乎不可能吗？有什么例子或解释如何做到的？