Wie kann man erreichen, dass das Sklearn-Modell in einer bestimmten Klasse eine vordefinierte Genauigkeit oder einen bestimmten Wert erreicht?

Question

Zum Beispiel trainierte ich eine Bayes (SVM, Random oder etwas anderes) Modell mit folgenden Punktzahl:

Model: 
      precision recall f1-score support 

     neg  0.0622 0.9267 0.1166  191 
     pos  0.9986 0.7890 0.8815  12647 

avg/total  0.98  0.79  0.87  12838 

mir Mein Chef sagen, dass Präzision von neg zu niedrig ist, und er kann um 60% Rückruf akzeptieren, nein muss so hoch sein. Also brauche ich einen Weg, um die beste Präzision zu erreichen, indem ich den Rückruf auf 60% beschränke. Aber ich habe in sklearn keine ähnliche Funktion gefunden.

Gibt es eine Möglichkeit, ein Modell mit den besten precision zu trainieren, während der Rückruf auf einen bestimmten Wert begrenzt werden kann? (Oder 20% Genauigkeit zu erreichen auf neg, do not care Rückruf)

Answer 1

sklearn implementiert tradeoff präzisions Rückruf wie folgt: http://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

Eine Methode ist precision_recall_curve() zu verwenden und dann einen Punkt auf dem Diagramm finden mit gewünschter Rückruf.