如何使sklearn模型达到预定的精度或召回某个类？

Question

例如，我用以下分数训练了贝叶斯（SVM，RandomForest或其他东西）模型：

Model:
             precision    recall  f1-score   support

         neg     0.0622    0.9267    0.1166       191
         pos     0.9986    0.7890    0.8815     12647

avg / total       0.98      0.79      0.87     12838

我的老板告诉我， neg精度太低，可以接受召回率的60％，不需要那么高。 因此，我需要一种通过将召回率限制为60％来获得最佳精度的方法。但是我没有在sklearn中找到类似的功能。

有什么方法可以以最precision训练模型，而召回率可以限制为特定值？ （或达到neg 20％的精度，不在乎召回）

Answer 1

sklearn如下实现精确调用权衡： http ://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

一种方法是使用precision_recall_curve() ，然后在图形上找到具有所需召回率的点。