用python学数据分析,Python算法分析

　　脉搏和定期用量法(固定期限要求)之间的关系

　　#实现混淆矩阵，精准率和召回率将数组作为公证人从实例导入数据集数字=数据集。load _ digits()X=数字。datay=数字。目标。复制()y[位数。target==9]=1y[位数。目标！=9]=0来自sk learn。型号选择导入来自sk learn的train_test_splitX_train，X_test，y_train，y_test=train_test_split(X，y，random _ state=666)。线性模型导入LogisticRegression log _ reg=LogisticRegression()log _ reg。fit(X _ train，y _ train)决策得分=log _ reg。决策函数(X测试)基于蜕膜激素_功能，改变阈值

　　从sk学习。指标从sk learn导入precision _ score。指标导入召回_分数精度=[]重新创建=[]阈值=NP。arange(NP。min(decision _ score)，NP。max(decision _ score))# print(thresholds)阈值中的阈值：y _ predict=NP。array(decision _ score=threshold，dtype= int )精度。append(precision _ score(y _ test，y _ predict))重新创建。append(recall _ score(y _ test绘制曲线

　　#绘制曲线将matplotlib.pyplot导入为pltplt.plot(阈值，精度)plt.plot(阈值，调用)plt.show()

　　精确度和召回曲线

　　#精确召回曲线plt.plot(精度、召回)

　　sci工具包-学习中的精确召回曲线# sci工具包-学习中的精确召回曲线从sklearn.metrics导入精度_召回_曲线决策、召回、阈值=precision_recall_curve(y_test，decision_score)注意精确度、召回、阈值维度不一样~

　　绘图时要注意

　　plt.plot(阈值，精度[:-1])

　　plt.plot(精度、召回)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。