如何使sklearn模型達到預定的精度或召回某個類？

Question

例如，我用以下分數訓練了貝葉斯（SVM，RandomForest或其他東西）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

我的老板告訴我， neg精度太低，可以接受召回率的60％，不需要那么高。 因此，我需要一種通過將召回率限制為60％來獲得最佳精度的方法。但是我沒有在sklearn中找到類似的功能。

有什么方法可以以最precision訓練模型，而召回率可以限制為特定值？ （或達到neg 20％的精度，不在乎召回）

Answer 1

sklearn如下實現精確調用權衡： http ://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

一種方法是使用precision_recall_curve() ，然后在圖形上找到具有所需召回率的點。