PR曲線實(shí)則是以precision（精準(zhǔn)率）和recall（召回率）這兩個(gè)為變量而做出的曲線，其中recall為橫坐標(biāo)，precision為縱坐標(biāo)。設(shè)定一系列閾值，計(jì)算每個(gè)閾值對(duì)應(yīng)的recall和precision，即可計(jì)算出PR曲線各個(gè)點(diǎn)。

precision=tp?/?(tp?+?fp)

recall=tp?/?(tp?+?fn)

可以用sklearn.metrics.precision_recall_curve計(jì)算PR曲線

from sklearn.metrics import precision_recall_curve y_true = [0, 0, 1, 1] y_score = [0.1, 0.4, 0.35, 0.8]precision, recall, thresholds = precision_recall_curve(y_true, y_score) print(precision) print(recall) print(thresholds) """ [0.66666667 0.5 1. 1.] [1. 0.5 0.5 0. ] [0.35 0.4 0.8 ] """

其中y_true是正確標(biāo)簽，y_score是概率輸出值，thresholds是閾值，當(dāng)y_score>=thresholds，則預(yù)測(cè)為正樣本，當(dāng)y_score<thresholds，則預(yù)測(cè)為負(fù)樣本。注意，輸出的precision和recall最后一個(gè)值分別為1和0，并且沒(méi)有對(duì)應(yīng)的閾值。該例子中，正樣本實(shí)際數(shù)量為2個(gè)，負(fù)樣本實(shí)際數(shù)量為2個(gè)。

• 當(dāng)index=0，thresholds[index]=0.35，此時(shí)預(yù)測(cè)的標(biāo)簽為[0,1,1,1]，tp=2，fp=1，fn=0，所以precision=0.67，recall=1
• 當(dāng)index=1，thresholds[index]=0.4，此時(shí)預(yù)測(cè)的標(biāo)簽為[0,1,0,1]，tp=1，fp=1，fn=1，所以precision=0.5，recall=0.5
• 當(dāng)index=2，thresholds[index]=0.8，此時(shí)預(yù)測(cè)的標(biāo)簽為[0,0,0,1]，tp=1，fp=0，fn=1，所以precision=1，recall=0.5

總結(jié)

以上是生活随笔為你收集整理的python计算PR曲线sklearn.metrics.precision_recall_curve的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。