Python 绘制 AUPR 曲线：详细步骤与代码示例

要绘制 AUPR 曲线，可以使用 Python 中的 matplotlib 库和 sklearn 库。以下是一个简单的例子：

首先，使用 sklearn 库中的 precision_recall_curve 函数计算出精确度和召回率的值：

from sklearn.metrics import precision_recall_curve

precision, recall, thresholds = precision_recall_curve(y_true, y_scores)

其中，y_true 是真实标签，y_scores 是分类器的得分。

接下来，使用 matplotlib 库绘制 AUPR 曲线：

import matplotlib.pyplot as plt

plt.plot(recall, precision, color='b')
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title('AUPR Curve')
plt.show()

其中，recall 和 precision 是 sklearn 函数 precision_recall_curve 计算出的值。这将生成一个 AUPR 曲线，其中纵坐标是精度，横坐标是召回率。

最后，可以使用 sklearn 库中的 auc 函数计算出 AUPR 值：

from sklearn.metrics import auc

aupr = auc(recall, precision)

其中，recall 和 precision 是 sklearn 函数 precision_recall_curve 计算出的值。aupr 是 AUPR 的值。

完整的代码示例：

from sklearn.metrics import precision_recall_curve, auc
import matplotlib.pyplot as plt

# 计算精度和召回率
precision, recall, thresholds = precision_recall_curve(y_true, y_scores)

# 绘制 AUPR 曲线
plt.plot(recall, precision, color='b')
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title('AUPR Curve')
plt.show()

# 计算 AUPR 值
aupr = auc(recall, precision)
print('AUPR: {:.4f}'.format(aupr))

注意：要绘制 AUPR 曲线，必须有正样本和负样本的标签才能计算出精度和召回率的值。