[英]How to make sklearn model reach a predefine precision or recall on some class?
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)
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.