Python sklearn PrecisionRecallDisplay用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.PrecisionRecallDisplay 的用法。

用法:

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

精確召回可視化。

建議使用 from_estimator 或 from_predictions 創建 PredictionRecallDisplay 。所有參數都存儲為屬性。

在用戶指南中閱讀更多信息。

參數：

precision：ndarray

精度值。

recall：ndarray

召回值。

average_precision：浮點數，默認=無

平均精度。如果沒有，則不顯示平均精度。

estimator_name：str，默認=無

估算器的名稱。如果沒有，則不顯示估計器名稱。

pos_label：str 或 int，默認 = 無

被認為是正類的類。如果為 None，則該類將不會顯示在圖例中。

屬性：

line_：matplotlib 藝術家

精確召回曲線。

ax_：matplotlib 軸

具有精確召回曲線的軸。

figure_：matplotlib 圖

包含曲線的圖。

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()