Python机器学习:评价分类结果007TPR和FPR之间的关系
TPR和FPR之间的关系
#实现混淆矩阵,精准率和召回率
import numpy as np
from sklearn import datasets
digits = datasets.load_digits()
X = digits.data
y = digits.target.copy()
y[digits.target == 9] = 1
y[digits.target != 9] = 0
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=666)
from sklearn.linear_model import LogisticRegression
log_reg = LogisticRegression()
log_reg.fit(X_train,y_train)
decision_score = log_reg.decision_function(X_test)
基于decisoin_function,改变thresholds
from sklearn.metrics import precision_score
from sklearn.metrics import recall_scoreprecisions = []
recalls = []
thresholds = np.arange(np.min(decision_score),np.max(decision_score))
# print(thresholds)
for threshold in thresholds:y_predict = np.array(decision_score >= threshold,dtype='int')precisions.append(precision_score(y_test,y_predict))recalls.append(recall_score(y_test,y_predict))
绘制曲线
#绘制曲线
import matplotlib.pyplot as plt
plt.plot(thresholds,precisions)
plt.plot(thresholds,recalls)
plt.show()
precission和recall曲线
#precision-recall曲线
plt.plot(precisions,recalls)
scikit-learn中的precision-recall 曲线
#scikit-learn中的precision-recall 曲线
from sklearn.metrics import precision_recall_curve
precisions,recalls,thresholds = precision_recall_curve(y_test,decision_score)
注意precissions,recalls,thresholds维度不一样~
绘图时要注意
plt.plot(thresholds,precisions[:-1])
plt.plot(thresholds,recalls[:-1])
plt.plot(precisions,recalls)
Python机器学习:评价分类结果007TPR和FPR之间的关系相关推荐
- 内存(Display)、显示器(Monitor)和计算机(Computer)均属于一种产品(Product),其中计算机需要显示器和内存。请用Python语言简要实现这些类及它们之间的关系。
内存(Display).显示器(Monitor)和计算机(Computer)均属于一种产品(Product),其中计算机需要显示器和内存.请用Python语言简要实现这些类及它们之间的关系. clas ...
- 机器学习-------评价分类结果
准确度的陷阱和混淆矩阵和精准率召回率 准确度的陷阱 准确度并不是越高说明模型越好,或者说准确度高不代表模型好,比如对于极度偏斜(skewed data)的数据,假如我们的模型只能显示一个结果A,但是1 ...
- Python学习,类空间问题及类之间的关系
一. 类的空间问题** 1.1 何处可以添加对象属性 class A:def __init__(self,name):self.name = namedef func(self,sex):self.s ...
- python根据品种散点图鸢尾花_[Python机器学习]鸢尾花分类 机器学习应用
1.问题简述 假设有一名植物学爱好者对她发现的鸢尾花的品种很感兴趣.她收集了每朵鸢尾花的一些测量数据: 花瓣的长度和宽度以及花萼的长度和宽度,所有测量结果的单位都是厘米. 她还有一些鸢尾花的测量数据, ...
- Python机器学习-多元分类的5种模型
最近上了些机器学习的课程,于是想透过Kaggle资料集来练习整个资料科学专案的流程,在模型训练阶段,虽然听过许多分类模型,但不是很了解其各别的优缺点与适合的使用时机,所以想来整理一篇文章,统整上课学习 ...
- python机器学习之分类预测
目录 逻辑回归 水位判断案例引入逻辑回归计算原理 逻辑回归 单次项逻辑回归代码示例 二阶项及以上项式的边界函数计算和绘制 二阶多项式逻辑回归案例 尝试用一阶函数画出边界 二阶项逻辑回归 K近邻分类模型 ...
- Python机器学习 鸢尾花分类1
题目描述 请编写代码实现train_and_predict功能,实现能够根据四个特征对三种类型的鸢尾花进行分类. train_and_predict函数接收三个参数: train_input_feat ...
- 【机器学习】机器学习、深度学习、强化学习之间的关系
什么是机器学习? 对数据进行较为深入的分析,通过优化方法总结出模型的工作,都属于机器学习范畴 机器学习是从数据中总结模型,而这些数据包含了不同的信息形态,其中一个关键的信息就是对模型表现的反馈信息,有 ...
- 使用Python探索四大名著【红楼梦】人物之间的关系,简直帅呆了
嗨,大哥们,我来了! <红楼梦>作为我国四大名著之一,古典小说的巅峰之作,粉丝量极其庞大,而红学也经久不衰.所以我们今天通过 Python 来捋一下红楼梦里那错综复杂的人物关系,话不多说, ...
最新文章
- 当前不会命中断点.还没有为该文档加载任何符号解决
- 【Java代码】实现字符串转数据库的 inStr【使用 JDK8 stream.collect(Collectors.joining(delimiter, prefix, suffix)) 实现】
- spring cloud 微服务相关信息
- CG-CTF-Web-层层递进
- 「Sqlserver」数据分析师有理由爱Sqlserver-好用的插件工具推荐
- 学python可以从事什么工作-学完Python后可以从事哪些工作?
- Linux小工具bc使用
- 2022焊工(初级)操作证考试题库及答案
- python有趣的简单代码-python有趣代码
- java钝化_黑马day14 监听器之javaBean对象的活化和钝化
- 【论文】Learning by Abstraction: The Neural State Machine
- CodeForces - 735D Taxes (哥德巴赫猜想)
- 周杰 清华大学计算机学院,清华大学自动化系主任周杰教授访问我院并做学术报告...
- 计算机组织与结构性能设计答案,计算机组织及结构—性能设计第八版答案-COA8e.pdf...
- 知识蒸馏论文学习(同济子豪兄)
- Java是剑客-飘逸;.NET是刀客-霸道 (一)
- 深度学习中需要掌握的数学1之概率统计
- C++程序设计课程同步项目——循环结构程序设计项目任务二
- 「镁客·请讲」海聊颜志威:推进卫星通讯手机民用化,不让一个人丢在探险的路上...
- 汽车线控转向系统的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告