Model.prc_curve¶

In [ ]:

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

Draws the model PRC curve.

Parameters¶

Name	Type	Optional	Description
pos_label	int / float / str	✓	To draw the PRC curve, one of the response column class has to be the positive one. The parameter 'pos_label' represents this class.
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 [10]:

# Multiclass Classification
from verticapy.learn.ensemble import RandomForestClassifier
model = RandomForestClassifier(name = "public.RF_iris",
                               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.iris", ["PetalLengthCm"], "Species")
# PRC Curve
model.prc_curve(pos_label = "Iris-virginica")

Out[10]:

	threshold	recall	precision
1	0	1	0
2	0.0	1.0	0.333333333333333
3	0.0333333333333333	0.98	0.816666666666667
4	0.0666666666666667	0.98	0.816666666666667
5	0.1	0.98	0.816666666666667
6	0.133333333333333	0.94	0.92156862745098
7	0.166666666666667	0.94	0.92156862745098
8	0.2	0.94	0.92156862745098
9	0.233333333333333	0.94	0.92156862745098
10	0.266666666666667	0.94	0.92156862745098
11	0.3	0.94	0.92156862745098
12	0.333333333333333	0.94	0.92156862745098
13	0.366666666666667	0.94	0.92156862745098
14	0.4	0.94	0.92156862745098
15	0.433333333333333	0.94	0.92156862745098
16	0.466666666666667	0.94	0.92156862745098
17	0.5	0.94	0.92156862745098
18	0.533333333333333	0.94	0.92156862745098
19	0.566666666666667	0.94	0.92156862745098
20	0.6	0.94	0.92156862745098
21	0.633333333333333	0.94	0.92156862745098
22	0.666666666666667	0.82	0.976190476190476
23	0.7	0.82	0.976190476190476
24	0.733333333333333	0.82	0.976190476190476
25	0.766666666666667	0.82	0.976190476190476
26	0.8	0.82	0.976190476190476
27	0.833333333333333	0.82	0.976190476190476
28	0.866666666666667	0.82	0.976190476190476
29	0.9	0.82	0.976190476190476
30	0.933333333333333	0.64	1.0
31	0.966666666666667	0.64	1.0
32	1	0	1

Rows: 1-32 | Columns: 3