Python全系列 教程
3567个小节阅读:5929k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
精准率Precision与召回率Recall是互相牵制的
为了提高精确率值Precision,分类器需要尽量在“更有把握”时才把样本预测为正样本,
但此时会因为过于保守而漏掉很多没有把握的正样本,导致召回率Recall值降低
在sklearn中,使用sklearn.metrics.precision_recall_curve函数绘制PR曲线
1.关于PR曲线,下列说法正确的是:
A 精准率Precision与召回率Recall的变化趋势相同
B PR曲线描述的是精准率与F1 Score之间的关系
C 精准率Precision与召回率Recall是互相牵制的
D 以上说法均不正确
2.绘制PR曲线,使用sklearn中的:
A precision_score
B recall_score
C f1_score
D precision_recall_curve
1=>C 2=>D