导语：
本文主要介绍了关于Python如何画P-R曲线的相关知识，包括P R BP，以及短P一R间期这些编程知识，希望对大家有参考作用。
Python如何画P-R曲线
Python生成P-R图需要安装第三方库
matplotlib
、
numpy
及
sklearn
。
推荐学习《
》。
P-R曲线的生成方法：
根据学习器的预测结果对样本进行排序。第一个是学习者认为最有可能是正例的样本，最后一个是最不可能是正例的样本。按照这个顺序，样本被一个一个地预测为正例。然后每次可以计算当前的查全率和查准率，将查全率画在横轴，查准率在纵轴，得到的查准率曲线就是P-R曲线。
即预测每个样本为正例的概率，然后根据预测概率对所有样本进行排序，再将排序后的样本依次预测为正例，从而得到每次预测的召回率和准确率。将样本依次作为正例的过程，实际上是在逐步降低样本为正例的概率阈值。通过降低阈值，更多的样本将被预测为正例，这将提高召回率。相对准确率可能会下降，随着后期负样本的增加，召回率缓慢增加甚至不增加，准确率下降较快。
sklearn的计算过程与定义相反，按照概率从小到大递增的顺序计算precision和recall，对precision和recall分别加1和0。
#coding:utf-8
import matplotlib
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import precision_recall_curve
from sklearn.utils.fixes import signature
plt.figure("P-R Curve")
plt.title('Precision/Recall Curve')
plt.xlabel('Recall')
plt.ylabel('Precision')
#y_true为样本实际的类别，y_scores为样本为正例的概率
y_true = np.array([1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0])
y_scores = np.array([0.9, 0.75, 0.86, 0.47, 0.55, 0.56, 0.74, 0.62, 0.5, 0.86, 0.8, 0.47, 0.44, 0.67, 0.43, 0.4, 0.52, 0.4, 0.35, 0.1])
precision, recall, thresholds = precision_recall_curve(y_true, y_scores)
#print(precision)
#print(recall)
#print(thresholds)
plt.plot(recall,precision)
plt.show()
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈