Métrica Precisão-Revocação para Classificação Desbalanceada

Introdução

Este tutorial fornece um guia passo a passo sobre como usar a métrica Precisão-Revocação para avaliar a qualidade da saída do classificador. A curva Precisão-Revocação é uma medida útil do sucesso da previsão quando as classes estão muito desequilibradas. Na recuperação de informação, a precisão é uma medida da relevância dos resultados, enquanto a revocação é uma medida de quantos resultados verdadeiramente relevantes são retornados.

Dicas da Máquina Virtual

Após o arranque da VM, clique no canto superior esquerdo para mudar para a aba Notebook para aceder ao Jupyter Notebook para praticar.

Por vezes, pode ser necessário esperar alguns segundos para o Jupyter Notebook terminar de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.

Se tiver problemas durante a aprendizagem, não hesite em contactar o Labby. Forneça feedback após a sessão e resolveremos prontamente o problema para si.

Conjunto de Dados e Modelo

Usaremos o conjunto de dados iris e um classificador Linear SVC para diferenciar dois tipos de íris. Primeiro, importamos as bibliotecas necessárias e carregamos o conjunto de dados.

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC

X, y = load_iris(return_X_y=True)

Em seguida, adicionaremos características ruidosas ao conjunto de dados e dividiremos em conjuntos de treino e teste.

random_state = np.random.RandomState(0)
n_samples, n_features = X.shape
X = np.concatenate([X, random_state.randn(n_samples, 200 * n_features)], axis=1)

X_train, X_test, y_train, y_test = train_test_split(
    X[y < 2], y[y < 2], test_size=0.5, random_state=random_state
)

Finalmente, escalaremos os dados usando um StandardScaler e ajustaremos um classificador Linear SVC aos dados de treino.

classifier = make_pipeline(
    StandardScaler(), LinearSVC(random_state=random_state, dual="auto")
)
classifier.fit(X_train, y_train)

Plotar a Curva Precisão-Revocação

Para plotar a curva Precisão-Revocação, usaremos a classe PrecisionRecallDisplay da biblioteca sklearn.metrics. Podemos usar o método from_estimator ou from_predictions para calcular a curva. O método from_estimator calcula as previsões para nós antes de plotar a curva, enquanto o método from_predictions requer que forneçamos as pontuações previstas.

from sklearn.metrics import PrecisionRecallDisplay

## Usando o método from_estimator
display = PrecisionRecallDisplay.from_estimator(
    classifier, X_test, y_test, name="LinearSVC", plot_chance_level=True
)
_ = display.ax_.set_title("Curva Precisão-Revocação de 2 classes")

## Usando o método from_predictions
y_score = classifier.decision_function(X_test)

display = PrecisionRecallDisplay.from_predictions(
    y_test, y_score, name="LinearSVC", plot_chance_level=True
)
_ = display.ax_.set_title("Curva Precisão-Revocação de 2 classes")

Plotar a Curva Precisão-Revocação para Classificação Multirótulo

A curva Precisão-Revocação não suporta o cenário multirótulo. No entanto, pode-se decidir como lidar com este caso. Criaremos um conjunto de dados multirótulo, ajustaremos e preveremos usando OneVsRestClassifier e, em seguida, plotaremos a curva Precisão-Revocação.

from sklearn.preprocessing import label_binarize
from sklearn.multiclass import OneVsRestClassifier
from sklearn.metrics import precision_recall_curve
from sklearn.metrics import average_precision_score

## Criar dados multirótulo
Y = label_binarize(y, classes=[0, 1, 2])
n_classes = Y.shape[1]
X_train, X_test, Y_train, Y_test = train_test_split(
    X, Y, test_size=0.5, random_state=random_state
)

## Ajustar e prever usando OneVsRestClassifier
classifier = OneVsRestClassifier(
    make_pipeline(StandardScaler(), LinearSVC(random_state=random_state, dual="auto"))
)
classifier.fit(X_train, Y_train)
y_score = classifier.decision_function(X_test)

## Calcular precisão e revocação para cada classe
precision = dict()
recall = dict()
average_precision = dict()
for i in range(n_classes):
    precision[i], recall[i], _ = precision_recall_curve(Y_test[:, i], y_score[:, i])
    average_precision[i] = average_precision_score(Y_test[:, i], y_score[:, i])

## Calcular precisão e revocação micro-média
precision["micro"], recall["micro"], _ = precision_recall_curve(Y_test.ravel(), y_score.ravel())
average_precision["micro"] = average_precision_score(Y_test, y_score, average="micro")

## Plotar a curva micro-média Precisão-Revocação
display = PrecisionRecallDisplay(
    recall=recall["micro"],
    precision=precision["micro"],
    average_precision=average_precision["micro"],
    prevalence_pos_label=Counter(Y_test.ravel())[1] / Y_test.size,
)
display.plot(plot_chance_level=True)
_ = display.ax_.set_title("Micro-média sobre todas as classes")

## Plotar a curva Precisão-Revocação para cada classe e curvas iso-f1
colors = cycle(["navy", "turquoise", "darkorange", "cornflowerblue", "teal"])
_, ax = plt.subplots(figsize=(7, 8))
f_scores = np.linspace(0.2, 0.8, num=4)
lines, labels = [], []
for f_score in f_scores:
    x = np.linspace(0.01, 1)
    y = f_score * x / (2 * x - f_score)
    (l,) = plt.plot(x[y >= 0], y[y >= 0], color="gray", alpha=0.2)
    plt.annotate("f1={0:0.1f}".format(f_score), xy=(0.9, y[45] + 0.02))

display = PrecisionRecallDisplay(
    recall=recall["micro"],
    precision=precision["micro"],
    average_precision=average_precision["micro"],
)
display.plot(ax=ax, name="Precisão-revocação micro-média", color="gold")

for i, color in zip(range(n_classes), colors):
    display = PrecisionRecallDisplay(
        recall=recall[i],
        precision=precision[i],
        average_precision=average_precision[i],
    )
    display.plot(ax=ax, name=f"Precisão-revocação para a classe {i}", color=color)

handles, labels = display.ax_.get_legend_handles_labels()
handles.extend([l])
labels.extend(["curvas iso-f1"])
ax.set_xlim([0.0, 1.0])
ax.set_ylim([0.0, 1.05])
ax.legend(handles=handles, labels=labels, loc="best")
ax.set_title("Extensão da curva Precisão-Revocação para multiclasse")
plt.show()

Resumo

Este tutorial forneceu um guia passo a passo sobre como usar a métrica Precisão-Revocação para avaliar a qualidade da saída do classificador. Aprendemos como plotar a curva Precisão-Revocação para classificação binária usando a classe PrecisionRecallDisplay da biblioteca sklearn.metrics. Também aprendemos como plotar a curva Precisão-Revocação para classificação multirótulo usando OneVsRestClassifier e como calcular a precisão e revocação para cada classe.