如何讓Sklearn模型達到預定義的精度或某個類的召回？

Question

例如，我訓練了貝葉斯（SVM，隨機森林或其他內容）模型與下面的分數：

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 

我的老闆告訴我的neg即精度太低，他就可以通過60％，接受召回不需要這麼高。所以我需要一種通過限制回憶率達到60％來獲得最佳精確度的方法。但是我沒有在sklearn中找到類似的功能。

有沒有什麼辦法訓練最好的模型precision而召回可以限制在一個特定的值？ （或者對neg達到20％的準確率，不關心召回）

Answer 1

sklearn實現精確召回權衡如下：http://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

一種方法是使用precision_recall_curve()，然後找到與圖形中的一點你希望召回。