Comment faire pour que le modèle sklearn atteigne une précision prédéfinie ou un rappel sur une classe?

Question

Par exemple, je me suis entraîné un modèle Bayes (SVM, forêt d'arbres décisionnels ou autre chose) avec en dessous de score:

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 

Mon patron me dire que la précision de neg est trop faible et il peut accepter le rappel de 60%, pas besoin si élevé. J'ai donc besoin d'un moyen d'obtenir la meilleure précision en limitant le rappel à 60%. Mais je n'ai pas trouvé de fonctionnalité similaire dans sklearn.

Y at-il un moyen de former un modèle avec le meilleur precision alors que le rappel peut être limité à une valeur spécifique? (Ou pour atteindre 20% de précision sur neg, ne se soucient pas de rappel)

Answer 1

sklearn implémente compromis entre précision de rappel comme suit: http://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

Une méthode consiste à utiliser precision_recall_curve() puis trouver un point sur le graphique avec votre rappel désiré.