Python多分类问题pr曲线绘制（含代码）

研究了三天的多分类pr曲线问题终于在昨天晚上凌晨一点绘制成功了！！ 现将所学所感记录一下，一来怕自己会忘可以温故一下，二来希望能给同样有疑惑的铁子们一些启迪！
下图为我画的pr曲线，因为准确度超过了97%，所以曲线很饱和。
首先了解一下二分类中的pr曲线是怎么画的？
“p” 是precition，是查准率，也是我们常用到的准确率。 “r” 是recall，是查全率，也叫召回率。
​ 上图为测试结果的混淆矩阵，表示一个数据集上的所有测试结果。 其中竖列均为测试结果，即分类器预测概率大于0.5为正类，小于0.5即为负类。 横列表示groundtruth，即真实的类别。
TP 表示正确分出正例的数量； FN 表示把正例错分为反例的数量； TN 表示正确分出反例的数量； FP表示把反例错分为正例的数量。
准确率： P = TP /（TP+FP） 召回率： R = TP / (TP+FN)
上面是对精确率和

Python多分类问题pr曲线绘制（含代码）最先出现在Python成神之路。