在Python之中进行机器学习或者是某些数据统计的时候经常需要做出一个P-R曲线的图来更加直观的表示样本的正负率，那么下面这篇文章将会详细解析如何使用python来画出一个P-R曲线图，一起往下看看吧。
一、P-R曲线是什么
P-R曲线是在python的机器学习中对学习模型的预测结果进行排序分类的表示图像，它将样本以一个临界值分为了正负两类。按照不同的样本进行预测，得到的查准率和查全率结果也是不一样的，P-R曲线的做用其实就是为了能够更直观的展示出这个样本对于机器学习的影响。
二、如何画P-R曲线
1.在python之中画出一个P-R曲线需要3个库，numpy、sklearn和matplotlib。其中sklearn是机器学习的主要使用库，导入模块的代码如下：
import matplotlib import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import precision_recall_curve from sklearn.utils.fixes import signature
2.相关的库和模块导入之后就需要使用plt对象来创建一个xy轴的坐标系并指定名称，代码如下：
plt.figure("P-R Curve")
plt.title('Precision/Recall Curve')
plt.xlabel('Recall')
plt.ylabel('Precision')3.坐标系创建完成之后还需要设置这x、y轴两条坐标轴上的具体数据坐标以及包含P-R样本的数据集合，代码如下所示：
y_true = np.array([1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1]) y_scores = np.array([0.9, 0.75, 0.86, 0.47, 0.55]) precision, recall, thresholds = precision_recall_curve(y_true, y_scores)
4.设置完成之后就可以进行曲线的绘制并展现出来，代码如下：
plt.plot(recall,precision) plt.show()
以上就是在python中画一个P-R曲线的全部代码示例和详细步骤解析了，希望对你有所帮助。
