当测试数据集中正负样本数量差别较大时，应该使用 PR 曲线还是 ROC 曲线？请简述 原因。

在测试数据集中正负样本数量差别较大时，建议使用 PR 曲线。

PR 曲线是 Precision-Recall 曲线的简称，它以召回率 Recall 为横轴，精确率 Precision 为纵轴，可用来评估分类器在不同阈值下的性能表现。PR 曲线适用于样本不平衡的情况，可以更好地反映出正例的预测能力。

ROC 曲线是 Receiver Operating Characteristic 曲线的简称，它以真正率 TPR（true positive rate）为纵轴，假正率 FPR（false positive rate）为横轴，可用来评估分类器在不同阈值下的性能表现。ROC 曲线适用于正负样本数量相近的情况，可以更好地反映出分类器的整体性能。

因此，当测试数据集中正负样本数量差别较大时，使用 ROC 曲线可能会导致假正率过低，无法准确反映分类器在正例上的性能表现，而 PR 曲线则更能反映出正例的预测能力，更适合用来评估分类器的性能。