sklearn.metrics.plot_precision_recall_curve(estimator, X, y, *, sample_weight=None, response_method='auto', name=None, ax=None, pos_label=None, **kwargs)[source]

Trazar la curva de recuperación de precisión para clasificadores binarios.

Los argumentos de palabras clave adicionales se pasarán a matplotlib’s plot.

Leer más en el Guía del usuario.

Parámetros
estimatorestimator instance

Clasificador equipado o un Pipeline en el que el último estimador es un clasificador.

Xarray-like, sparse matrix of shape (n_samples, n_features)

Valores de entrada.

yarray-like of shape (n_samples,)

Valores objetivo binarios.

sample_weightarray-like of shape (n_samples,), default=None

Pesos de muestra.

response_method‘predict_proba’, ‘decision_function’, ‘auto’, default=’auto’

Especifica si usar predecir_proba o función_de_decisión como la respuesta objetivo. Si se establece en ‘auto’, predecir_proba se prueba primero y si no existe función_de_decisión se prueba a continuación.

namestr, default=None

Nombre de la curva de etiquetado. Si None, se utiliza el nombre del estimador.

axmatplotlib axes, default=None

Objeto de ejes sobre el que trazar. Si None, se crea una nueva figura y ejes.

pos_labelstr or int, default=None

La clase considerada como la clase positiva al calcular las métricas de precisión y recuperación. Por defecto, estimators.classes_[1] se considera la clase positiva.

Nuevo en la versión 0.24.

**kwargsdict

Argumentos de palabras clave que se pasarán a matplotlib’s plot.

Devoluciones
displayPrecisionRecallDisplay

Objeto que almacena valores calculados.

Ver también

precision_recall_curve

Calcule pares de recuperación de precisión para diferentes umbrales de probabilidad.

PrecisionRecallDisplay

Visualización de Precision Recall.

Ejemplos usando sklearn.metrics.plot_precision_recall_curve

Recuperación de precisión

Recuperación de precisión