Question

我有大约800行和16列的数据集。该数据集进一步分为多个数据集。让我们获取我的样本数据

Score   Col1    Col2    Paper  Score1
1         2       6      1        1
2         5       0      1        2
3         1       13     1        3
4         1        0     0        4
5         2       6      1        5
6         5       0      1        6
7         1       13     1        7
8         1        0     0        8
9         2       6      1        9
10        5       0      1        10

这是我的代码

df1 = pd.read_csv("C:File.csv")
y = df1["Paper"]
df_arr = df1['Score1'].values
X = df1.ix[:,:-2]

for i in df_arr:
    X['score'] = i


    cv = StratifiedKFold(y, n_folds=3) 
    classifier2 = RandomForestClassifier(n_estimators=100,
                                 class_weight="auto",
                                 criterion='gini',
                                 bootstrap=True,
                                 max_features=0.5,
                                 min_samples_split=1,
                                 min_samples_leaf=5,
                                 max_depth=10,
                                 n_jobs=1)


    for j, (train, test) in enumerate(cv):
        x_train=X[train[0]:train[len(train)-1]]
        x_test=X[test[0]:test[len(test)-1]]
        y_train= y[train[0]:train[len(train)-1]]
        y_test=y[test[0]:test[len(test)-1]]
        probas1_ = classifier2.fit(x_train, y_train).predict( x_test)



    f1_scoree = f1_score(y_test, probas1_, average='binary')
    p_score = precision_score(y_test, probas1_, average='binary')
    r_score = recall_score(y_test, probas1_, average='binary')

    f1_score_value.append(f1_scoree)
    Recall_score.append(r_score)
    Precision_score.append(p_score)

    np.hstack(f1_score_value)
    np.hstack(Recall_score)
    np.hstack(Precision_score)

代码在y中具有文件存储“ paper”属性，因为这是我们需要预测的，在“ X”中具有其余列。我从'score1'属性创建了一个数组，然后将其从数据框'X'中排除。

for i in df_arr:
    X['score'] = i

用当前数组值替换第一整列。这样一来，最终我在Precision，Recall和F1数组中有10个值（因为创建了10个数据框）。现在，我不希望这些值我想要的是这10个数据帧的精确调用曲线。我可以这样绘制单个数据框的精度调用曲线。但是我不知道如何使用此代码创建10个数据帧的精确召回曲线。

#     y_real1.append(y_test)
#     y_proba1.append(probas1_[:, 1])
#     
#     y_real1 = numpy.concatenate(y_real1)
# y_proba1 = numpy.concatenate(y_proba1)
# 
# precision1, recall1, _ = precision_recall_curve(y_real1, y_proba1)
# 
# lab2 = 'Random Forest(area = %0.2f)' % (auc(recall1, precision1))
# 
# plt.plot(recall1, precision1, label=lab2, lw=2, color='red') 
# 
# plt.xlim([0, 1.000000001])
# plt.ylim([0, 1.05])
# plt.grid(True)
# plt.xlabel('Recall')
# plt.ylabel('Precision')
# plt.title('Precision Recall curve')
# plt.rcParams['axes.facecolor']='white'
# plt.legend(loc="upper left", bbox_to_anchor=(1,1))
# plt.show()

在一张图中为多个数据框生成精确的召回曲线

0 个答案: