使用具有不同分类器的 sklearn precision_recall_curve 函数答案

【问题标题】：Using sklearn precision_recall_curve function with different classifiers使用具有不同分类器的 sklearn precision_recall_curve 函数
【发布时间】：2019-04-25 04:06:25
【问题描述】：

这可能是一个简单的问题，但我需要帮助了解如何使用sklearn 中的precision_recall_curve 函数。

我有一个二进制数据集，并且正在使用三个分类器（SVM、RF、LR）对其进行分类。

sklearn 文档中的示例显示如何使用该函数：

y_score = classifier.decision_function(X_test)    
precision_recall_curve(y_test, y_score)

在示例中，decision_function 是 SVM 分类器的内置函数。但是，我没有看到像随机森林分类器或线性回归这样的函数。

谁能帮我理解y_score 和决策函数到底是什么，以及如何为任何分类器计算它？

谢谢！

【问题讨论】：

标签： python scikit-learn precision precision-recall

【解决方案1】：

对于所有其他没有内置 decision_function 的分类器，你应该使用predict_proba 函数，它本质上是一样的。

y_score = random_forest.predict_proba()

【讨论】：

【解决方案2】：

查看documentation of precision_recall_curve中的第二个参数描述：

probas_pred : 数组，形状 = [n_samples]

估计的概率或决策函数。

当decision_function() 不存在时，您可以使用predict_proba() 代替它。

【讨论】：