如何获得精确召回曲线下的面积
How to get the area under precision-recall curve
我正在打印分类报告。我正在使用的代码是打印 ROC 曲线的 AUC 值，而不是精确召回曲线（它只绘制图形）。如何获取精确召回曲线的AUC值？
df_test = pd.read_csv("D:/a.csv")
df_testPred = pd.read_csv("D:/b.csv")
y_true1 = df_test["anomaly"].values[:-1]
y_score1 = df_testPred["anomaly_scores"].values[:-1]
y_pred1 = df_testPred["anomaly"].values[:-1].astype(int)
ap1 = average_precision_score(y_true1, y_score1)
auc1 = roc_auc_score(y_true1, y_score1)
print(f"ap: {ap1}")
print(f"AUC: {auc1}")
print(classification_report(y_true1, y_pred1))
precision1, recall1, thresholds1 = precision_recall_curve(y_true1, y_score1)
#plt.plot([0, 1], [0, 1],'r--')
plt.plot(recall1, precision1)
因为你已经计算了precision1和recall1，你可以简单地使用相关的scikit-learn函数auc(docs):
from sklearn.metrics import auc
auc_score = auc(recall1, precision1)
参见ROC Curves and Precision-Recall Curves for Imbalanced Classification（尽管根据我的经验，与更常见的 ROC AUC 相比，precision-recall AUC 的使用并不广泛）。
我正在打印分类报告。我正在使用的代码是打印 ROC 曲线的 AUC 值，而不是精确召回曲线（它只绘制图形）。如何获取精确召回曲线的AUC值？
df_test = pd.read_csv("D:/a.csv")
df_testPred = pd.read_csv("D:/b.csv")
y_true1 = df_test["anomaly"].values[:-1]
y_score1 = df_testPred["anomaly_scores"].values[:-1]
y_pred1 = df_testPred["anomaly"].values[:-1].astype(int)
ap1 = average_precision_score(y_true1, y_score1)
auc1 = roc_auc_score(y_true1, y_score1)
print(f"ap: {ap1}")
print(f"AUC: {auc1}")
print(classification_report(y_true1, y_pred1))
precision1, recall1, thresholds1 = precision_recall_curve(y_true1, y_score1)
#plt.plot([0, 1], [0, 1],'r--')
plt.plot(recall1, precision1)
因为你已经计算了precision1和recall1，你可以简单地使用相关的scikit-learn函数auc(docs):
from sklearn.metrics import auc
auc_score = auc(recall1, precision1)
参见ROC Curves and Precision-Recall Curves for Imbalanced Classification（尽管根据我的经验，与更常见的 ROC AUC 相比，precision-recall AUC 的使用并不广泛）。