pytorch 绘制 pr 曲线

可以使用sklearn.metrics模块中的precision_recall_curve函数来计算每个可能的阈值下的精度和召回率，并绘制对应的PR曲线。以下是一个简单的代码示例：

import torch
import numpy as np
from sklearn.metrics import precision_recall_curve
import matplotlib.pyplot as plt

# 构建随机样本
y_true = np.random.randint(2, size=100)
y_pred = np.random.randn(100)

# 将numpy数组转换为pytorch张量
y_true = torch.from_numpy(y_true)
y_pred = torch.from_numpy(y_pred)

# 计算精度和召回率
precisions, recalls, thresholds = precision_recall_curve(y_true, y_pred)

# 绘制PR曲线
plt.plot(recalls, precisions)
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title('PR Curve')
plt.show()

在本示例中，pr曲线是基于随机的二元分类标签和预测值绘制的。您可以将y_true和y_pred替换为您的测试数据集的真实标签和预测值。