将 sklearn precision_recall_curve 函数与不同的分类器一起使用
Using sklearn precision_recall_curve function with different classifiers
这可能是一个简单的问题，但我需要帮助了解如何在 sklearn 中使用 precision_recall_curve 函数。
我有一个二进制数据集，我正在使用三个分类器（SVM、RF、LR）对其进行分类。
sklearn 文档中的示例显示使用如下函数：
y_score = classifier.decision_function(X_test)
precision_recall_curve(y_test, y_score)
在示例中，decision_function 是 SVM 分类器的内置函数。但是，我没有看到像随机森林分类器或线性回归那样的函数。
谁能帮我理解 y_score 和决策函数到底是什么，以及我如何为任何分类器计算它？
谢谢！
查看documentation of precision_recall_curve中的第二个参数说明：
probas_pred : array, shape = [n_samples]
Estimated probabilities or decision function.
当 decision_function() 不存在时，您可以使用 predict_proba() 代替它。
对于没有内置 decision_function 的所有其他分类器，
你应该使用 predict_proba 函数，它做的事情本质上是一样的。
y_score = random_forest.predict_proba()
这可能是一个简单的问题，但我需要帮助了解如何在 sklearn 中使用 precision_recall_curve 函数。
我有一个二进制数据集，我正在使用三个分类器（SVM、RF、LR）对其进行分类。
sklearn 文档中的示例显示使用如下函数：
y_score = classifier.decision_function(X_test)
precision_recall_curve(y_test, y_score)
在示例中，decision_function 是 SVM 分类器的内置函数。但是，我没有看到像随机森林分类器或线性回归那样的函数。
谁能帮我理解 y_score 和决策函数到底是什么，以及我如何为任何分类器计算它？
谢谢！
查看documentation of precision_recall_curve中的第二个参数说明：
probas_pred : array, shape = [n_samples]
Estimated probabilities or decision function.
当 decision_function() 不存在时，您可以使用 predict_proba() 代替它。
对于没有内置 decision_function 的所有其他分类器，
你应该使用 predict_proba 函数，它做的事情本质上是一样的。
y_score = random_forest.predict_proba()