当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python sklearn DetCurveDisplay.from_predictions用法及代码示例


本文简要介绍python语言中 sklearn.metrics.DetCurveDisplay.from_predictions 的用法。

用法:

classmethod from_predictions(y_true, y_pred, *, sample_weight=None, pos_label=None, name=None, ax=None, **kwargs)

在给定真实标签和预测标签的情况下绘制 DET 曲线。

在用户指南中阅读更多信息。

参数

y_true形状类似数组 (n_samples,)

真正的标签。

y_pred形状类似数组 (n_samples,)

目标分数可以是正类的概率估计、置信度值或决策的非阈值度量(如在某些分类器上由 decision_function 返回)。

sample_weight形状类似数组 (n_samples,),默认=None

样本权重。

pos_labelstr 或 int,默认 = 无

正类的标签。当 pos_label=None 时,如果 y_true 在 {-1, 1} 或 {0, 1} 中,则 pos_label 设置为 1,否则将引发错误。

namestr,默认=无

用于标注的 DET 曲线名称。如果 None ,名称将设置为 "Classifier"

axmatplotlib 轴,默认=无

要绘制的轴对象。如果 None ,则创建一个新的图形和轴。

**kwargsdict

传递给 matplotlib plot 函数的其他关键字参数。

返回

displayDetCurveDisplay

存储计算值的对象。

例子

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import DetCurveDisplay
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(n_samples=1000, random_state=0)
>>> X_train, X_test, y_train, y_test = train_test_split(
...     X, y, test_size=0.4, random_state=0)
>>> clf = SVC(random_state=0).fit(X_train, y_train)
>>> y_pred = clf.decision_function(X_test)
>>> DetCurveDisplay.from_predictions(
...    y_test, y_pred)
<...>
>>> plt.show()
sklearn-metrics-DetCurveDisplay-3.png

相关用法


注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.metrics.DetCurveDisplay.from_predictions。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。