這篇文章將為大家詳細講解有關(guān)python畫pr曲線的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

成都創(chuàng)新互聯(lián)公司專業(yè)為企業(yè)提供靈臺網(wǎng)站建設、靈臺做網(wǎng)站、靈臺網(wǎng)站設計、靈臺網(wǎng)站制作等企業(yè)網(wǎng)站建設、網(wǎng)頁設計與制作、靈臺企業(yè)網(wǎng)站模板建站服務，十年靈臺做網(wǎng)站經(jīng)驗，不只是建網(wǎng)站，更提供有價值的思路和整體網(wǎng)絡服務。

1、用python畫pr曲線的代碼如下：

sklearn.metrics.precision_recall_curve(y_true, probas_pred, pos_label=None, sample_weight=None)

2、代碼詳解

precision(精度)為tp / (tp + fp)，其中tp為真陽性數(shù)，fp為假陽性數(shù)。

recall(召回率)是tp / (tp + fn)，其中tp是真陽性數(shù)，fn是假陰性數(shù)。

參數(shù)：

y_true：array, shape = [n_samples]：真實標簽。如果標簽不是{-1,1}或{0,1}，那么pos_label應該顯式給出。

probas_pred：array, shape = [n_samples] ：正類的預測概率或決策函數(shù)

pos_label：int or str, default=None：正類標簽。當pos_label=None時，如果y_true為{- 1,1}或{0,1}，則pos_label設置為1，否則將報錯。

返回值：

precision：array, shape = [n_thresholds + 1]：精度，最后一個元素是1。

recall：array, shape = [n_thresholds + 1]：召回率，最后一個是0

thresholds：array, shape = [n_thresholds <= len(np.unique(probas_pred))]：用于計算精度和召回率的決策函數(shù)的閾值

關(guān)于python畫pr曲線的方法就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。