【问题标题】:recall vs precision graph召回与精度图
【发布时间】:2020-01-23 15:05:15
【问题描述】:

我正在尝试绘制精确率与召回率的图表,这是我的分类报告。我不知道如何绘制显示这些的图表。 这是我的分类报告代码

from sklearn.metrics import classification_report
print("")
print("Confusion Matrix")
print(confusion_matrix(Y_test, predictions))
print("")
print("Classification Report                                XGBOOST")
print(classification_report(predictions,Y_test))

输出:

Confusion Matrix
[[1163   55]
 [  46  665]]

Classification Report                                 xgboost
              precision    recall  f1-score   support

           0       0.95      0.96      0.96      1209
           1       0.94      0.92      0.93       720

    accuracy                           0.95      1929
   macro avg       0.95      0.94      0.94      1929
weighted avg       0.95      0.95      0.95      1929

我正在尝试做这样的事情:

使用图表显示我的精确度和召回率。

【问题讨论】:

标签: matplotlib plot scikit-learn confusion-matrix


【解决方案1】:
from sklearn.metrics import precision_recall_curve
precision, recall, thresholds = precision_recall_curve(Y_test,predictions)
plt.step(recall, precision, color='b', alpha=0.2,
         where='post')
plt.fill_between(recall, precision, alpha=0.2, color='b')
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.ylim([0.0, 1.05])
plt.xlim([0.0, 1.0])

试试这个。

【讨论】:

    猜你喜欢
    • 2018-03-20
    • 2023-04-07
    • 2012-09-14
    • 2012-11-26
    • 2014-02-20
    • 1970-01-01
    • 2018-02-18
    • 2011-11-01
    • 2016-09-14
    相关资源
    最近更新 更多