在一幅图中绘制多个查准率曲线

Question

我有一个不平衡的数据集，我正在阅读这个文章，它检查SMOTE和RUS以解决不平衡问题。因此，我定义了以下三个模型：

    # AdaBoost
    ada = AdaBoostClassifier(n_estimators=100, random_state=42)
    ada.fit(X_train,y_train)
    y_pred_baseline = ada.predict(X_test) 
    
    # SMOTE    
    sm = SMOTE(random_state=42)
    X_train_sm, y_train_sm = sm.fit_sample(X_train, y_train)
    ada_sm = AdaBoostClassifier(n_estimators=100, random_state=42)
    ada_sm.fit(X_train_sm,y_train_sm)
    y_pred_sm = ada_sm.predict(X_test) 
    
    #RUS
    rus = RandomUnderSampler(random_state=42)
    X_train_rus, y_train_rus = rus.fit_resample(X, y)
    ada_rus = AdaBoostClassifier(n_estimators=100, random_state=42)
    ada_rus.fit(X_train_rus,y_train_rus)
    y_pred_rus = ada_rus.predict(X_test) 

然后，我绘制了这3种型号的精确召回曲线。我选择了这条曲线，因为我想想象模型的表现，我对真正的负面(负面类是多数类)不太感兴趣。

为了绘制曲线，我使用了山猫学习的plot_precision_recall_curve方法，如下所示：

    from sklearn.metrics import precision_recall_curve
    from sklearn.metrics import plot_precision_recall_curve
    import matplotlib.pyplot as plt
    
    disp = plot_precision_recall_curve(ada, X_test, y_test)
    disp.ax_.set_title('Precision-Recall curve')

    disp = plot_precision_recall_curve(ada_sm, X_test, y_test)
    disp.ax_.set_title('Precision-Recall curve')

    disp = plot_precision_recall_curve(ada_rus, X_test, y_test)
    disp.ax_.set_title('Precision-Recall curve')

这导致了3个单独的地块。

然而，我想有这3条曲线在一个图表，以便他们可以很容易地比较。所以我想要一个类似于文章中的情节：

但我不知道如何做到这一点，因为plot_precision_recall_curve方法只使用一个分类器作为输入。

如果能提供一些帮助，我们将不胜感激。

Answer 1

尝试以这种方式使用Matplotlib gca()方法，您可以指示要绘制的轴。

from sklearn.metrics import precision_recall_curve
from sklearn.metrics import plot_precision_recall_curve
import matplotlib.pyplot as plt

plot_precision_recall_curve(ada, X_test, y_test, ax = plt.gca(),name = "AdaBoost")

plot_precision_recall_curve(ada_sm, X_test, y_test, ax = plt.gca(),name = "SMOTE")

plot_precision_recall_curve(ada_rus, X_test, y_test, ax = plt.gca(),name = "RUS")

plt.title('Precision-Recall curve')