https://zhuanlan.zhihu.com/p/26293316
比如,
我已经初步训练好了一个模型,现在我想用这个模型从海量的无标记数据集挖掘出某一类数据A,并且想要尽量不包含其他所有类B
但我挖掘出的结果必然包含错误的,我拿出的A越多,同时附带的分类错数据B也就越多,
一般,拿出的A占总体比例越大,拿出的B类也会占总体比例越大,这个比例的变化一般是单调非线性的,且根据实际情况,我们可接受的比例也不同
简单来说,不同的recall对应不同的precision,它对应的阈值也不同,我们需要根据实际情况进行分析,找到最合适实际情况的
可以使用roc曲线来寻找
以下代码可以绘制roc并且根据recall找到对应的precision
fpr, tpr, thresholds = roc_curve(target, score, pos_label=1) for i in range(tpr.shape[0]): if tpr[i] > _recall: print(tpr[i], 1-fpr[i], thresholds[i]) break roc_auc = auc(fpr, tpr) plt.figure(figsize=(10, 10)) 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='--') plt.xlim([0.0, 1.0]) plt.ylim([0.0, 1.05]) plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Receiver operating characteristic example') plt.legend(loc="lower right") results_dir,_tmp = os.path.split(label_files) plt.savefig(results_dir+"/roc.png") plt.show()