`sklearn.metrics`.plot_precision_recall_curve¶

sklearn.metrics.plot_precision_recall_curve()¶

Representar la curva de precisión y exhaustividad de los clasificadores binarios.

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

Más información en el Manual de usuario.

Parámetros

estimatorinstancia del estimador: Clasificador ajustado o un Pipeline en el que el último estimador es un clasificador.
X{array-like, sparse matrix} de forma (n_samples, n_features): Valores de entrada.
yarray-like de forma (n_samples,): Valores objetivo binario.
sample_weightarray-like de forma (n_samples,), default=None: Ponderaciones de muestra.
response_method{“predict_proba”, “decision_function”, “auto”}, default=”auto”: Especifica si usar predict_proba o decision_function como respuesta al objetivo. Si se establece en “auto”, predict_proba es probado primero y si no existe decision_function es probado a continuación.
namecadena de caracteres, default=None: Nombre de la curva de etiquetado. Si es None, se utiliza el nombre del estimador.
axejes matplotlib, default=None: Objeto de ejes en los que dibujar. Si es None, se crea una nueva figura y ejes.
pos_labelcadena de caracteres o entero, default=None: La clase considerada como la clase positiva al calcular la precisión y exhaustividad métricas. Por defecto, estimators.classes_[1] es considerada como la clase positiva.

Nuevo en la versión 0.24.
**kwargsdict: Argumentos de palabra clave que se pasarán al plot de matplotlib.

Devuelve

Ver también

precision_recall_curve: Calcula los pares de precisión-exhaustividad para diferentes umbrales de probabilidad.
PrecisionRecallDisplay: Visualización de precisión y exhaustividad.

sklearn.metrics.plot_precision_recall_curve¶