这可能是一个简单的问题，但是我需要帮助了解如何在sklearn中使用precision_recall_curve函数。
我有一个二进制数据集，并且正在使用三个分类器（SVM，RF，LR）对其进行分类。
sklearn文档中的示例显示使用如下功能：
y_score = classifier.decision_function(X_test)
precision_recall_curve(y_test, y_score)
在示例中，“ decision_function”是SVM分类器的内置函数。但是，我没有看到像随机森林分类器或线性回归那样的函数。
有人可以帮助我了解y_score和决策函数的真正含义，以及如何为任何分类器计算它吗？
谢谢！
答案 0 :(得分：0)
查看implies中的第二个参数描述：
probas_pred：数组，形状= [n_samples]
估计的概率或决策功能。
当decision_function()不存在时，您可以在其位置使用predict_proba()。
答案 1 :(得分：0)
对于所有其他没有内置decision_function的分类器，
您应该使用predict_proba函数，该函数本质上是同一件事。
y_score = random_forest.predict_proba()