我有一些标记为0或1的数据，我试图使用随机森林来预测这些类别。每个实例都标记了20个特征，用于训练随机森林（大约30,000个训练实例和大约6,000个测试实例）。

我使用以下代码绘制精确度-召回率和ROC曲线：

precision, recall, _ = precision_recall_curve(y_test, y_pred)plt.step(recall, precision, color='b', alpha=0.2,where='post')plt.fill_between(recall, precision, step='post', alpha=0.2, color='b')fpr, tpr, _ = roc_curve(y_test, y_pred)roc_auc = auc(fpr, tpr)plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')

到目前为止，我看到的所有PR和ROC曲线总是呈现出锯齿状/平滑的精确度/召回率下降和ROC线的平滑/锯齿状上升。但不知为何，我的PR和ROC曲线总是看起来像这样：

不知为何，它们只有一个点改变方向。这是由于我的编码错误还是数据/分类问题固有的？如果是的话，这种行为如何解释？

回答：

我怀疑您使用了RandomForestClassifier.predict()方法，该方法根据预测的类别返回0或1。

要获得概率，即投票给特定类别的树的比例，您必须使用RandomForestClassifier.predict_proba()方法。

使用这些概率作为曲线计算的输入应该可以解决这个问题。

编辑：scikit-learn的曲线创建方法首先根据预测分数对预测进行排序，然后根据它们的真实/观察值进行排序，因此曲线有这些“弯曲”。