Representación de la curva Precision-Recall

También puedes representar una curva Precision-Recall para analizar el equilibrio entre ambas métricas en tu modelo. En esta curva, Precision y Recall están inversamente relacionadas; a medida que aumenta Precision, disminuye Recall y viceversa. En tu modelo hay que lograr un equilibrio entre las dos, de lo contrario podrías acabar con muchos falsos positivos o con muy pocos casos de fraude detectados. Para conseguirlo y comparar el rendimiento, las curvas precision-recall son muy útiles.

Tu Random Forest Classifier está disponible como model, y las predicciones como predicted. Puedes obtener fácilmente la puntuación de precision media y la curva PR con el paquete sklearn. La función plot_pr_curve() te dibuja los resultados. Vamos a probarlo.