使用sklearn绘制PR曲线时为何少数类曲线佳但精确率召回率差

代码调用正确性验证 #

你调用sklearn.metrics.plot_precision_recall_curve的逻辑没有错误：

• pos_label参数分别设置为0、1对应两类的配置符合接口要求，函数会自动针对指定类别计算Precision、Recall序列
• 曲线绘制、指标返回的逻辑完全符合sklearn官方接口的使用规范

指标矛盾的核心原因 #

你观测到的「PR曲线表现好，但默认阈值下精确率（0.2）、召回率（0.4）差」属于正常现象，两者的统计口径完全不同：

• 默认阈值下的精确率、召回率是固定分类阈值（通常为0.5）下的单点指标：在你的中风预测场景中，正类（中风）是少数类，模型为了整体分类准确率会默认倾向于把样本判定为多数类（非中风），所以少数类在0.5阈值下的召回率、精确率都会偏低。
• PR曲线是遍历所有可能的分类阈值得到的精确率-召回率组合的连线：你可以通过调低分类阈值，让更多样本被判定为少数类，获得更高的召回率，只要精确率下降的幅度可控，曲线整体的平均精度（AP，即PR曲线下面积）就会表现较好。

验证方案 #

你可以通过两个操作验证上述结论：

• 查看函数返回的ap2值，这个值就是少数类PR曲线对应的平均精度，和曲线的表现直接对应，如果该值远高于0.2，说明曲线的良好表现是真实的，不存在调用错误。
• 手动调整预测阈值：将模型输出的正类概率阈值从0.5调低到0.1、0.05等数值，重新计算精确率和召回率，就能看到召回率明显上升，对应的点就是PR曲线上的其他位置。

内容的提问来源于stack exchange，提问作者Marcia