続続Modelの評価 - Precision-Recall Curve (RecallとPrecisionの可視化)

RecallとPrecisioinの可視化

前準備としてDecision Function

SVC等で推定された境界平面からそのアウトプットへの距離。例えばX_testをインプットした時のアウトプット（y_predicted）がどれだけモデルの境界から遠いかを算定する。似たものとしてpredict_proba（0-1にスケーリングしたもの）がある。
（自分にはもう 限界なのでもっとすごい人の説明を参照求む）

Structure

Sklearnモデルのmethodとして

y_scores_lr = lr.fit(X_train, y_train).decision_function(X_test)

Precision-recall curves

decision functionのであらわされる値を閾値（threshold）としてRecallとPrecisionの組み合わせを返す

Structure

precision, recall, thresholds = precision_recall_curve(y_test, y_scores_lr)

from sklearn.metrics import precision_recall_curve

全体をグラフとして可視化する以外に、precision, recall, thresholdの各値をターゲットに他の２つの値を導出
例えば、thresholdsのうち最小なもののインデックスを取り出して

closest_zero = np.argmin(np.abs(thresholds))

それに対応するprecisionを取り出す

closest_zero_p = precision[closest_zero]