建站
咨詢
售后
建站咨詢
新聞中心
python如何畫P-R曲線
創(chuàng)新互聯(lián)公司專注于弋江企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè)公司,購物商城網(wǎng)站建設(shè)。弋江網(wǎng)站建設(shè)公司,為弋江等地區(qū)提供建站服務(wù)。全流程按需定制開發(fā)，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，創(chuàng)新互聯(lián)公司專業(yè)和態(tài)度為您提供的服務(wù)
Python生成P-R圖需要安裝第三方庫matplotlib、numpy及sklearn。
推薦學(xué)習(xí)《Python教程》。
P-R曲線的生成方法：
根據(jù)學(xué)習(xí)器的預(yù)測結(jié)果對樣本進(jìn)行排序，排在前面的是學(xué)習(xí)器認(rèn)為最可能是正例的樣本，排在最后的是最不可能是正例的樣本，按此順序逐個(gè)將樣本作為正例預(yù)測，則每次可以計(jì)算出當(dāng)前的查全率、查準(zhǔn)率，以查全率為橫軸、查準(zhǔn)率為縱軸做圖，得到的查準(zhǔn)率-查全率曲線即為P-R曲線。
也就是說對每個(gè)樣本預(yù)測其為正例的概率，然后將所有樣本按預(yù)測的概率進(jìn)行排序，然后依次將排序后的樣本做為正例進(jìn)行預(yù)測，從而得到每次預(yù)測的查全率與查準(zhǔn)率。這個(gè)依次將樣本做為正例的過程實(shí)際上就是逐步降低樣本為正例的概率的域值，通過降低域值，更多的樣本會(huì)被預(yù)測為正例，從而會(huì)提高查全率，相對的查準(zhǔn)率可能降低，而隨著后面負(fù)樣本的增加，查全率提高緩慢甚至沒有提升，精度降低會(huì)更快。
sklearn的計(jì)算過程與定義相反是按概率從小到大遞增的順序來計(jì)算查準(zhǔn)率與查全率的，并且分別為查準(zhǔn)率和查全率添加了1和0。
#coding:utf-8
import matplotlib
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import precision_recall_curve
from sklearn.utils.fixes import signature
plt.figure("P-R Curve")
plt.title('Precision/Recall Curve')
plt.xlabel('Recall')
plt.ylabel('Precision')
#y_true為樣本實(shí)際的類別，y_scores為樣本為正例的概率
y_true = np.array([1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0])
y_scores = np.array([0.9, 0.75, 0.86, 0.47, 0.55, 0.56, 0.74, 0.62, 0.5, 0.86, 0.8, 0.47, 0.44, 0.67, 0.43, 0.4, 0.52, 0.4, 0.35, 0.1])
precision, recall, thresholds = precision_recall_curve(y_true, y_scores)
#print(precision)
#print(recall)
#print(thresholds)
plt.plot(recall,precision)
plt.show()
名稱欄目：創(chuàng)新互聯(lián)Python教程：Python如何畫P-R曲線
當(dāng)前URL：http://www.dlmjj.cn/article/cdgccde.html
