精确率-召回率曲线的绘制python

在Python中，你可以使用`scikit-learn`库来绘制精确率-召回率（Precision-Recall, PR）曲线。以下是一个简单的例子：

from sklearn.metrics import precision_recall_curve
import matplotlib.pyplot as plt

# 假设你已经有了实际标签（y_true）和预测概率（y_scores）
y_true = ...  # 样本真实标签
y_scores = ...  # 根据模型预测的概率得分

# 计算精确率和召回率
precision, recall, thresholds = precision_recall_curve(y_true, y_scores)

# 绘制PR曲线
plt.plot(recall, precision)
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title('Precision-Recall Curve')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])  # 预留一些空间显示曲线
plt.show()

在这个例子中，`precision_recall_curve`函数返回三个数组：精确率（precision）、召回率（recall）和阈值（thresholds）。你可以通过调整阈值来改变预测类别，进而观察精确率和召回率的变化。曲线越靠近顶部左角（即高精确度和高召回率），模型性能越好。

如果你想保存图形，可以将`show()`替换为`savefig()`函数，并指定文件名。