输入到precision_recall_curve - predict 或 predict_proba 输出？

Posted 2023-03-12

【中文标题】输入到precision_recall_curve - predict 或 predict_proba 输出？

【英文标题】：Input to precision_recall_curve - predict or predict_proba output?

【发布时间】：2013-08-23 06:15:55

【问题描述】：

我正在使用高斯朴素贝叶斯从 Pandas 数据框训练模型，但在使用precision_recall_curve 时出现错误。文档说precision_recall_curve将预测概率作为输入（至少在我阅读时）所以我希望下面的工作（xtrain和xtest分别是具有736和184行的Pandas数据帧；ytrain / ytest是具有736和184的系列行）：

nb = GaussianNB()
nb.fit(xtrain, ytrain)
predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted)

我希望上述方法能够正常工作，但是我收到“IndexError：索引 230 超出大小 184 的范围”。如果我改为这样做：

predicted = nb.predict(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted)

然后它会正确执行。 184 是 xtest 和 ytest 中的行数，但 230 不是任何这些结构的维度。有人可以解释其中的区别或我应该如何为此目的使用precision_recall_curve？

【问题讨论】：

我不知道 230 来自哪里，但你真的不应该在 Pandas 数据结构上使用 scikit-learn 估计器。 scikit-learn 需要 NumPy 约定，而 Pandas 违反了其中的一些约定（例如，将一维数组转换为列向量而不是行向量）。另外，这是一个二元分类任务吗？

【参考方案1】：

如果这是二元分类，请尝试使用以下方法，

predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted[:,1])