`sklearn.metrics`.PrecisionRecallDisplay¶

class sklearn.metrics.PrecisionRecallDisplay¶

Visualización de precisión y exhaustividad.

Se recomienda utilizar plot_precision_recall_curve para crear un visualizador. Todos los parámetros se almacenan como atributos.

Más información en el Manual de Usuario.

Parámetros

precisionndarray: Valores de precisión.
recallndarray: Valores de exhaustividad.
average_precisionflotante, default=None: Precisión promedio. Si es None, la precisión media no se muestra.
estimator_namecadena de caracteres, default=None: Nombre del estimador. Si es None, entonces el nombre del estimador no se muestra.
pos_labelcadena de caracteres o entero, default=None: La clase considerada como la clase positiva. Si es None, la clase no se mostrará en la leyenda.

Nuevo en la versión 0.24.

Atributos

line_Artista matplotlib: Curva de precisión y exhaustividad.
ax_Ejes de matplotlib: Ejes con curva de precisión y exhaustividad.
figure_Figura de matplotlib: Figura que contiene la curva.

Ver también

precision_recall_curve: Calcula los pares de precisión-exhaustividad para diferentes umbrales de probabilidad.
plot_precision_recall_curve: Representa la curva de precisión y exhaustividad de los clasificadores binarios.

Ejemplos

>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import (precision_recall_curve,
...                              PrecisionRecallDisplay)
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(random_state=0)
>>> X_train, X_test, y_train, y_test = train_test_split(X, y,
...                                                     random_state=0)
>>> clf = SVC(random_state=0)
>>> clf.fit(X_train, y_train)
SVC(random_state=0)
>>> predictions = clf.predict(X_test)
>>> precision, recall, _ = precision_recall_curve(y_test, predictions)
>>> disp = PrecisionRecallDisplay(precision=precision, recall=recall)
>>> disp.plot() 

Métodos

plot

Graficar visualización.

plot()¶

Graficar visualización.

Los argumentos de palabras clave adicionales se pasarán al plot de matplotlib.

Parámetros

axEjes matplotlib, default = None: Objeto de ejes en los que graficar. Si es None, se crea una nueva figura y ejes.
namecadena de caracteres, default=None: Nombre de la curva de precisión y exhaustividad para etiquetar. Si es None, utiliza el nombre del estimador.
**kwargsdict: Argumentos de palabra clave que se pasarán al plot de matplotlib.

Devuelve

displayPrecisionRecallDisplay: Objeto que almacena valores calculados.

Ejemplos usando `sklearn.metrics.PrecisionRecallDisplay`¶

sklearn.metrics.PrecisionRecallDisplay¶

Ejemplos usando sklearn.metrics.PrecisionRecallDisplay¶

`sklearn.metrics`.PrecisionRecallDisplay¶

Ejemplos usando `sklearn.metrics.PrecisionRecallDisplay`¶