如何借助precision_recall_curve从指定召回率值计算精确率？求更优方案

Great question! Your current approach of picking the closest recall value works as a quick approximation, but you're right that interpolation will give you a more precise result—and there are straightforward ways to implement this, even if scikit-learn doesn't have a single dedicated "precision-at-recall" function out of the box.

核心思路：利用PR曲线的分段线性特性 #

Scikit-learn的precision_recall_curve返回的recall数组是单调递减的（从1.0逐步降到0），且相邻召回率点之间的精确率变化是线性的。基于这个特性，我们可以用线性插值来计算任意指定召回率对应的精确率，比单纯取最近点的精度更高。

最优实现：用numpy.interp做线性插值 #

以下是基于你的代码改进的实现，用线性插值替代取最近点：

import numpy as np
from sklearn.metrics import precision_recall_curve

# 假设你已经训练好模型m，得到测试集X_test和y_test
y_scores_lr = m.decision_function(X_test)
precision, recall, thresholds = precision_recall_curve(y_test, y_scores_lr)

# 目标召回率
target_recall = 0.9

# 反转recall和precision，转为升序排列（np.interp要求x轴是升序）
recall_asc = np.flip(recall)
precision_asc = np.flip(precision)

# 执行线性插值，得到对应精确率
interpolated_precision = np.interp(target_recall, recall_asc, precision_asc)

封装成可复用函数 #

如果需要多次调用，可以把逻辑封装成一个函数，同时加入边界值处理：

def precision_at_recall(y_true, y_scores, target_recall):
    """
    计算指定召回率对应的精确率（基于线性插值）
    
    参数:
        y_true: 真实标签数组
        y_scores: 模型输出的得分/概率数组
        target_recall: 目标召回率（0到1之间）
    
    返回:
        对应精确率值
    """
    precision, recall, _ = precision_recall_curve(y_true, y_scores)
    # 转为升序排列
    recall_asc = np.flip(recall)
    precision_asc = np.flip(precision)
    # 确保目标召回率在合法范围内
    target_recall = np.clip(target_recall, 0.0, 1.0)
    # 线性插值
    return np.interp(target_recall, recall_asc, precision_asc)

# 使用示例
prec = precision_at_recall(y_test, y_scores_lr, 0.9)

可选：更复杂的插值方式（如三次样条） #

如果你的PR曲线需要更平滑的插值，可以用scipy.interpolate.interp1d实现三次样条插值，但注意这可能会引入不符合PR曲线实际特性的平滑效果，通常线性插值就足够了：

from scipy.interpolate import interp1d

precision, recall, _ = precision_recall_curve(y_test, y_scores_lr)
recall_asc = np.flip(recall)
precision_asc = np.flip(precision)

# 创建插值函数，kind参数可选'linear'/'cubic'/'quadratic'等
interp_func = interp1d(recall_asc, precision_asc, kind='cubic', bounds_error=False, fill_value=(precision_asc[0], precision_asc[-1]))
interpolated_precision = interp_func(target_recall)

和你当前方法的对比 #

• 你的方法：取最接近目标召回率的点，实现简单，但在PR曲线点稀疏时误差较大
• 插值方法：符合PR曲线的分段线性定义，精度更高，计算成本几乎可以忽略

内容的提问来源于stack exchange，提问作者Douglas