PR调整参数数值的两种方法是：1.调整分类阈值：对于二元分类问题，PR曲线是通过不同的分类阈值绘制而成的。通常情况下，调整分类阈值会导致精确率和召回率的变化。较高的分类阈值会提高精确率但降低召回率，而较低的分类阈值会提高召回率但降低精确率。PR序列参数一般在模型训练和评估过程中进行调整。在模型评估过程中，可以通过调整分类阈值来分析模型在不同精确率和召回率条件下的性能。
PR（Precision-Recall）调整参数数值的两种方法是：
1. 调整分类阈值（Threshold）：对于二元分类问题，PR曲线是通过不同的分类阈值绘制而成的。改变分类阈值可以在精确率和召回率之间进行权衡。通常情况下，调整分类阈值会导致精确率和召回率的变化。较高的分类阈值会提高精确率但降低召回率，而较低的分类阈值会提高召回率但降低精确率。
2. 改进模型算法：改进模型算法的一个方法是调整模型的超参数。超参数是在训练模型之前定义的参数，它们不是从训练数据中学习的。调整超参数可以改变模型的性能和PR曲线。一些常见的超参数包括学习率、正则化参数、网络深度等。通过尝试不同的超参数组合，可以寻找最佳的性能。
PR序列参数一般在模型训练和评估过程中进行调整。在模型训练过程中，可以通过调整超参数来改善模型的性能。在模型评估过程中，可以通过调整分类阈值来分析模型在不同精确率和召回率条件下的性能。可以通过交叉验证或者网格搜索等方法来选择最佳的参数组合。