PR曲线 的 计算及绘制

标签：ble   png   line   特征   4.4   bsp   imp   3.5   分享   

　　　　在linear model中，我们对各个特征线性组合，得到linear score,然后确定一个threshold，linear score ＜ threshold 判为负类，linear score ＞ threshold 判为正类。画PR曲线时， 我们可以想象threshold 是不断变化的。首先，threshold 特别大，这样木有一个是正类，我们计算出查全率与查准率； 然后 threshold 减小， 只有一个正类，我们计算出查全率与查准率；然后 threshold再减小，有2个正类，我们计算出查全率与查准率；threshold减小一次，多出一个正类，直到所有的类别都被判为正类。 然后以查全率为横坐标，差准率为纵坐标，画出图形即可。

例如，有

查全率： 预测为正的里面，实际为正的比例。

查准率：预测为正，实际为正 占的比例。

 1 import matplotlib
 2 import numpy as np  
 3 import matplotlib.pyplot as plt  
 4 Recall = np.array([0,1/5,2/5,3/5,4/5,5/5])  #从0开始更加平滑，美观，实际中，数据量很大时，趋近0。
 5 Precison = np.array([1/1,2/2,2/3,2/4,2/5,0])
 6 plt.figure()
 7 plt.ylim(0,1.1)
 8 plt.xlabel("Recall")
 9 plt.xlim(0,1.1)
10 plt.ylabel("Precison")
11 plt.plot(Recall,Precison)
12 plt.show()

PR曲线 的 计算及绘制

标签：ble   png   line   特征   4.4   bsp   imp   3.5   分享   

原文地址：http://www.cnblogs.com/zle1992/p/6825076.html