机器学习：学习绘制PR曲线

最新推荐文章于 2024-09-19 08:52:48 发布

zyf2589237189

最新推荐文章于 2024-09-19 08:52:48 发布

阅读量1.7k

点赞数 1

文章标签：学习

本文链接：https://blog.csdn.net/zyf2589237189/article/details/127624466

版权

说明：

“P”为查准率，也称准确率；“R”为查全率，也称召回率。

PR曲线是由模型的查准率和查全率为坐标轴形成的曲线，查准率P为纵坐标查全率R为横坐标。

	正例	反例
正例	TP（真正例）	FN（假反例）
反例	FP（假正例）	TN（真反例）

上图为测试的混淆矩阵，表示一个数据集上的所有预测结果，

其中查准率P = TP /（TP+FP）；查全率R = TP /（TP+FN）

代码实现：

包引入：


import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

生成测试数据：


# 产生两组 0到1之间的随机数

# 演示数据1
rand_1 = list(np.random.random(20))

# 生成标签和预测概率数据
test_1 = []
for i in range(20):
    label = "P" if i < 10 else "N"
    test_1.append({"value": rand_1[i], "label": label})

# 对概率进行排序
rand_1.sort(reverse=True)

# 演示数据2
rand_2 = list(np.random.random(20))

# 生成标签和预测概率数据
test_2 = []
for i in range(20):
    label = "P" if i < 10 else "N"
    test_2.append({"value": rand_2[i], "label": label})

# 对概率进行排序
rand_2.sort(reverse=True)

计算PR值：


# values 模型预测的所有样本为正的概率列表
# data 模型预测的数据与样本自身正确标签

def get_pr(values=[], datas=[]):
    
    pr = []
    
    for value in values:
        counts = {"TP": 0, "FP": 0, "TN": 0, "FN": 0}
        for data in datas:
            predict_label = "P" if data["value"] >= value else "N"
            if predict_label == "P" and data["label"] == "P":
                counts["TP"] += 1
            elif predict_label == "P" and data["label"] == "N":
                counts["FP"] += 1
            elif predict_label == "N" and data["label"] == "N":
                counts["TN"] += 1
            elif predict_label == "N" and data["label"] == "P":
                counts["FN"] += 1
        # 计算查准率
        p = round(counts["TP"]/(counts["TP"]+counts["FP"]), 2)

        # 计算查全率
        r = round(counts["TP"]/(counts["TP"]+counts["FN"]), 2)
        pr.append({"p": p, "r": r})
    
    return pr

组合数据，用于绘制PR图：

pr_1 = get_pr(rand_1, test_1)
pr_2 = get_pr(rand_2, test_2)

# 生成展示数据
data_show = []
for pr in pr_1:
    data_show.append({'p': pr['p'], 'r': pr['r'], 'model': 'model_1'})
    
for pr in pr_2:
    data_show.append({'p': pr['p'], 'r': pr['r'], 'model': 'model_2'})

for pr in range(20):
    value = (1.0/20)*pr
    data_show.append({'p': value, 'r': value, 'model': 'BEP'})
data_show = pd.DataFrame(data_show)

#绘制图表
sns.relplot(x="r", y="p", ci=None, hue='model', kind="line", data=data_show)