Tracer la courbe Precision-Recall

Vous pouvez aussi tracer une courbe Precision-Recall pour analyser le compromis entre ces deux mesures dans votre modèle. Sur cette courbe, la précision et le rappel sont inversement liés : quand la précision augmente, le rappel diminue, et inversement. Il faut trouver un équilibre, sinon vous risquez d’avoir trop de faux positifs ou de manquer des fraudes réelles. Pour cela, et pour comparer les performances, les courbes Precision-Recall sont très utiles.

Votre Random Forest Classifier est disponible sous model, et les prédictions sous predicted. Vous pouvez facilement obtenir la moyenne de la précision et la courbe PR avec le package sklearn. La fonction plot_pr_curve() trace les résultats pour vous. Essayons.