Python sklearn PrecisionRecallDisplay.from_predictions用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.PrecisionRecallDisplay.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)

繪製給定二元類預測的precision-recall 曲線。

參數：

y_true：形狀類似數組 (n_samples,)

真正的二進製標簽。

y_pred：形狀類似數組 (n_samples,)

估計的概率或決策函數的輸出。

sample_weight：形狀類似數組 (n_samples,)，默認=None

樣本權重。

pos_label：str 或 int，默認 = 無

在計算精度和召回指標時，該類被視為正類。

name：str，默認=無

標記曲線的名稱。如果 None ，名稱將設置為 "Classifier" 。

ax：matplotlib 軸，默認=無

要繪製的軸對象。如果 None ，則創建一個新的圖形和軸。

**kwargs：dict

要傳遞給 matplotlib 的 plot 的關鍵字參數。

返回：

display：PrecisionRecallDisplay

例子：

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import PrecisionRecallDisplay
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.linear_model import LogisticRegression
>>> X, y = make_classification(random_state=0)
>>> X_train, X_test, y_train, y_test = train_test_split(
...         X, y, random_state=0)
>>> clf = LogisticRegression()
>>> clf.fit(X_train, y_train)
LogisticRegression()
>>> y_pred = clf.predict_proba(X_test)[:, 1]
>>> PrecisionRecallDisplay.from_predictions(
...    y_test, y_pred)
<...>
>>> plt.show()