Побудова кривої Precision–Recall

Ви також можете побудувати криву Precision–Recall, щоб дослідити компроміс між цими двома метриками у вашій моделі. На цій кривій precision і recall пов'язані обернено: коли precision зростає, recall зменшується, і навпаки. У моделі потрібно досягти балансу між ними, інакше ви отримаєте або забагато хибно позитивних спрацювань, або замало виявлених реальних випадків шахрайства. Щоб цього досягти та порівняти ефективність, дуже зручними є саме криві precision–recall.

Ваш Random Forest Classifier доступний як model, а передбачення — як predicted. Ви можете легко отримати середній показник precision і криву PR зі пакета sklearn. Функція plot_pr_curve() будує результати за вас. Спробуймо.