python sklearn PR曲线 AUPR值

最新推荐文章于 2024-07-16 11:57:51 发布

Jademyc

最新推荐文章于 2024-07-16 11:57:51 发布

阅读量6.2k

点赞数 1

本文链接：https://blog.csdn.net/qq_39235087/article/details/107879880

版权

本文深入探讨了Python机器学习库sklearn中的PR曲线和AUPR(Area Under the Precision-Recall curve)。通过引用三个链接资源，文章提供了关于如何计算和理解这两个概念的详细说明，包括代码示例和实际应用。

摘要由CSDN通过智能技术生成

一、来自链接：http://www.voidcn.com/article/p-qkxqxmdl-but.html

import matplotlib.pyplot as plt
import numpy
from sklearn.datasets import make_blobs
from sklearn.metrics import precision_recall_curve, auc
from sklearn.model_selection import KFold
from sklearn.svm import SVC

FOLDS = 5

X, y = make_blobs(n_samples=1000, n_features=2, centers=2, cluster_std=10.0,
    random_state=12345)

f, axes = plt.subplots(1, 2, figsize=(10, 5))

axes[0].scatter(X[y==0,0], X[y==0,1], color='blue', s=2, label='y=0')
axes[0].scatter(X[y!=0,0], X[y!=0,1], color='red', s=2, label='y=1')
axes[0].set_xlabel('X[:,0]')
axes[0].set_ylabel('X[:,1]')
axes[0].legend(loc='lower left', fontsize='small')

k_fold = KFold(n_splits=FOLDS, shuffle=True, ra