Python sklearn PrecisionRecallDisplay用法及代码示例

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

用法:

class sklearn.metrics.PrecisionRecallDisplay(precision, recall, *, average_precision=None, estimator_name=None, pos_label=None)

精确召回可视化。

建议使用 from_estimator 或 from_predictions 创建 PredictionRecallDisplay 。所有参数都存储为属性。

在用户指南中阅读更多信息。

参数：

precision：ndarray

精度值。

recall：ndarray

召回值。

average_precision：浮点数，默认=无

平均精度。如果没有，则不显示平均精度。

estimator_name：str，默认=无

估算器的名称。如果没有，则不显示估计器名称。

pos_label：str 或 int，默认 = 无

被认为是正类的类。如果为 None，则该类将不会显示在图例中。

属性：

line_：matplotlib 艺术家

精确召回曲线。

ax_：matplotlib 轴

具有精确召回曲线的轴。

figure_：matplotlib 图

包含曲线的图。

例子：

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import (precision_recall_curve,
...                              PrecisionRecallDisplay)
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)
>>> X_train, X_test, y_train, y_test = train_test_split(X, y,
...                                                     random_state=0)
>>> clf = SVC(random_state=0)
>>> clf.fit(X_train, y_train)
SVC(random_state=0)
>>> predictions = clf.predict(X_test)
>>> precision, recall, _ = precision_recall_curve(y_test, predictions)
>>> disp = PrecisionRecallDisplay(precision=precision, recall=recall)
>>> disp.plot()
<...>
>>> plt.show()