如何使sklearn模型达到预定的精度或在某些类上进行召回率？

Question

例如，我训练了一个贝叶斯(支持向量机，RandomForest或其他)模型，得分低于：

Model:
             precision    recall  f1-score   support

         neg     0.0622    0.9267    0.1166       191
         pos     0.9986    0.7890    0.8815     12647

avg / total       0.98      0.79      0.87     12838

我的老板告诉我，neg的准确率太低了，他可以接受60%的召回率，不需要这么高。所以我需要一种方法，通过将召回率限制在60%的.But来获得最好的精确度，我在sklearn中找不到类似的功能。

有没有办法用最好的precision训练一个模型，同时召回可以限制到一个特定值？(或者为了在neg上达到20%的精确度，不要管召回)

Answer 1

sklearn实现了精度-召回率的权衡，如下所示：http://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

一种方法是使用precision_recall_curve()，然后用您想要的召回在图形上找到一个点。