Rita kurvan för precision och återkallelse
Du kan även rita en Precision-Recall-kurva för att undersöka avvägningen mellan de två måtten i din modell. I den här kurvan är precision och återkallelse omvänt relaterade – när precisionen ökar minskar återkallelsen och vice versa. En balans mellan dessa två behöver uppnås i din modell, annars riskerar du att få många falska positiva, eller att för få faktiska bedrägerier fångas upp. För att uppnå denna balans och jämföra prestanda är Precision-Recall-kurvor ett användbart verktyg.
Din Random Forest-klassificerare är tillgänglig som model och prediktionerna som predicted. Du kan enkelt hämta genomsnittlig precisionsscore och PR-kurvan från sklearn-paketet. Funktionen plot_pr_curve() ritar resultaten åt dig. Låt oss prova.
Den här övningen är en del av kursen
Bedrägeridetektering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate average precision and the PR curve
average_precision = ____(____, ____)