我有一些标记为0或1的数据,我试图使用随机森林预测这些类 . 每个实例都标有20个用于训练随机森林的特征(约30.000个训练实例和~6000个测试实例) .
我正在使用以下代码绘制精确调用和ROC曲线:
precision, recall, _ = precision_recall_curve(y_test, y_pred)
plt.step(recall, precision, color='b', alpha=0.2,where='post')
plt.fill_between(recall, precision, step='post', alpha=0.2, color='b')
fpr, tpr, _ = roc_curve(y_test, y_pred)
roc_auc = auc(fpr, tpr)
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
到目前为止,我所看到的所有PR和ROC曲线的精度/召回率都有锯齿/平滑下降,而ROC线的平滑/锯齿增加 . 但由于某种原因,我的PR和ROC曲线总是如下所示:
由于某种原因,只有一个点可以改变方向 . 这是由于我编码错误还是数据/分类问题固有的问题?如果是这样,如何解释这种行为?
2 回答
我怀疑你使用了RandomForestClassifier.predict()方法,根据预测的类,它会产生0或1 .
要获得概率,即为特定类投票的树的分数,您必须使用RandomForestClassifier.predict_proba()方法 .
使用这些概率作为曲线计算的输入应该可以解决问题 .
编辑:scikit-learn的曲线创建方法首先根据预测分数对预测进行排序,然后根据它们的实际/观察值进行排序,因此曲线具有这些“弯曲” .
在
precision_recall_curve
内,y_pred
必须是目标类 AND NOT 的实际预测类的probabilities
.由于您使用的是
RandomForestClassifier
,因此请使用predict_proba(X)来获取概率 .