以下是sci工具包pr-curve计算的片段。在
>>> import numpy as np
>>> from sklearn.metrics import precision_recall_curve
>>> y_true = np.array([0, 0, 1, 1])
>>> y_scores = np.array([0.1, 0.4, 0.35, 0.8])
>>> precision, recall, thresholds = precision_recall_curve(
... y_true, y_scores)
>>> precision
array([ 0.66..., 0.5 , 1. , 1. ])
>>> recall
array([ 1. , 0.5, 0.5, 0. ])
>>> thresholds
array([ 0.35, 0.4 , 0.8 ])
质疑:
为什么阈值只有3,而精确性和召回率是4。我们可以清楚地看到0.1的阈值被忽略了。从阈值0.35开始计算。在
这些阈值只有低到可以达到100%的召回率。这个想法是你通常不会设置一个较低的阈值,因为它会引入不必要的误报。在
https://github.com/scikit-learn/scikit-learn/blob/a24c8b46/sklearn/metrics/ranking.py
在
相关问题 更多 >
编程相关推荐