Python机器学习:评价分类结果006precisoion-Recall曲线绘制
code
#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)
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()
#precision-recall曲线
plt.plot(precisions,recalls)
#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)
precisions.shape
(149,)
recalls.shape
(149,)
thresholds.shape
(148,)
plt.plot(thresholds,precisions[:-1])
plt.plot(thresholds,recalls[:-1])
plt.plot(precisions,recalls)
外面曲线模型优于里面的模型,recall和precisoin都大于里面的。。
实际上经常用ROC曲线来判断模型优劣
Python机器学习:评价分类结果006precisoion-Recall曲线绘制相关推荐
- 多分类问题的ROC曲线绘制
多分类问题的ROC曲线绘制 目录 多分类问题的ROC曲线绘制 #roc曲线 (1)ROC曲线图中的四个点
- 二分类及多分类ROC和PR曲线绘制
目录 1.二分类曲线 1.1 二分类ROC曲线 1.2 二分类PR曲线 2.多分类曲线 2.1多分类ROC曲线 2.2 多分类PR曲线 前两天2022年第二届全国高校大数据竞赛已经落下帷幕,比赛中也用 ...
- python 将多个模型的ROC曲线绘制在一张图里(含图例)
一. 多条ROC曲线绘制函数 def multi_models_roc(names, sampling_methods, colors, X_test, y_test, save=True, dpin ...
- Python学习记录_通过科赫曲线绘制出完整雪花
代码思想: 通过函数封装一个科赫曲线的画法,再重复调用画出完整雪花 #科赫曲线的绘制 import turtle def kehe(size,n):#科赫曲线绘制if n==0:turtle.fd(s ...
- 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 针对二分类问题画roc曲线
代码详解: import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import label_bin ...
- 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 ...
最新文章
- 如何最小化云API升级造成的中断?
- JavaScript语言基础5
- linux设置IP,网关,DNS和MAC地址
- boost::mp11::mp_push_back相关用法的测试程序
- 5进程原语:execl(),execlp(),execle(),execv(),execvp(),execvp(),execve()
- 2019 6.30学习笔记
- 为什么中国有很大一部分人不愿使用windows10?
- 「安妮股份」拉上小米做版权联盟
- cad导出pdf_CAD手机看图软件中导出的CAD图纸为什么没有颜色?
- pdf怎么解除限制?如何解密?一步解决
- ROS的激光雷达、 加速度计、 陀螺仪传感器
- 2021CCPC东北四省赛 解题报告
- 如果应用闪退,怎么获取相关日志?
- 岁月温柔-4 最美人间四月天
- 基于matlab的BCH编译码算法原理介绍与仿真分析
- 解决国产电脑微信卡顿问题的脚本
- python操作网页界面_python3 操作页面上各种元素的方法
- Python: 用xlrd读取Excel文件(*.xlsx) 实践才是检验真理的唯一标准!!!
- 三分钟了解JVM的垃圾回收和三色标记
- C语言程序设计2009版张磊,C语言程序设计(第2版普通高等教育十一五国家级规划教材)...
热门文章
- 【BZOJ3514】Codechef MARCH14 GERALD07加强版,LCT+主席树
- 【BZOJ1597】【Tyvj2461】土地购买,第一次的斜率优化DP
- 复数基础——复数的绝对值,复数的极坐标形式的直观解释练习_8
- 7 centos lvs nat配置_centos中lvs安装配置方法详解
- 计算机图形学应用:java2d和3d_?硬核儿童节礼物:MIT学神、太极作者胡渊鸣送你一门计算机课程...
- java辐射汉化_新研究:低强度环境辐射足以导致量子比特退相干
- 【英语学习】【English L06】U06 Banking L5 I'd like to change Chinese *yuan* into pounds
- ArrayList 面试10连问
- 5 html 根据手机转动而转动_最全的全景照片拍摄方法合集,手机也能拍哦
- 《算法之道》精华 难解问题部分