Model.prc_curve¶

In [ ]:

Model.prc_curve(ax=None, 
                nbins: int = 30, 
                **style_kwds,)

Draws the model PRC curve.

Parameters¶

Name	Type	Optional	Description
ax	Matplotlib axes object	✓	The axes to plot on.
nbins	int	✓	Curve number of bins.
**style_kwds	any	✓	Any optional parameter to pass to the Matplotlib functions.

Returns¶

tablesample : An object containing the result. For more information, see utilities.tablesample.

Example¶

In [9]:

# Binary Classification
model = RandomForestClassifier(name = "public.RF_titanic",
                               n_estimators = 20,
                               max_features = "auto",
                               max_leaf_nodes = 32, 
                               sample = 0.7,
                               max_depth = 3,
                               min_samples_leaf = 5,
                               min_info_gain = 0.0,
                               nbins = 32)
model.drop()
model.fit("public.titanic", ["age", "fare", "sex"], "survived")
# PRC Curve
model.prc_curve()

Out[9]:

	threshold	recall	precision
1	0	1	0
2	0.0	1.0	0.392570281124498
3	0.0333333333333333	1.0	0.392570281124498
4	0.0666666666666667	1.0	0.392570281124498
5	0.1	1.0	0.392570281124498
6	0.133333333333333	1.0	0.392570281124498
7	0.166666666666667	0.877237851662404	0.545310015898251
8	0.2	0.815856777493606	0.640562248995984
9	0.233333333333333	0.815856777493606	0.640562248995984
10	0.266666666666667	0.808184143222506	0.675213675213675
11	0.3	0.734015345268542	0.73027989821883
12	0.333333333333333	0.728900255754476	0.736434108527132
13	0.366666666666667	0.726342710997442	0.735751295336788
14	0.4	0.723785166240409	0.735064935064935
15	0.433333333333333	0.705882352941177	0.741935483870968
16	0.466666666666667	0.687979539641944	0.747222222222222
17	0.5	0.682864450127877	0.745810055865922
18	0.533333333333333	0.682864450127877	0.745810055865922
19	0.566666666666667	0.682864450127877	0.745810055865922
20	0.6	0.667519181585678	0.75
21	0.633333333333333	0.501278772378517	0.85589519650655
22	0.666666666666667	0.355498721227621	0.926666666666667
23	0.7	0.350383631713555	0.931972789115646
24	0.733333333333333	0.314578005115089	0.953488372093023
25	0.766666666666667	0.30690537084399	0.96
26	0.8	0.289002557544757	0.974137931034483
27	0.833333333333333	0.286445012787724	0.973913043478261
28	0.866666666666667	0.286445012787724	0.973913043478261
29	0.9	0.286445012787724	0.982456140350877
30	0.933333333333333	0.286445012787724	0.982456140350877
31	0.966666666666667	0.0562659846547315	1.0
32	1	0	1

Rows: 1-32 | Columns: 3