PRC

返回一个表，其中显示了接收器 Precision Recall (PR) 曲线上的点。

语法

PRC ( targets, probabilities
       [ USING PARAMETERS
             [num_bins = num‑bins]
             [, f1_score = return‑score ]
             [, main_class = class‑name ] )
OVER()

参数

参数

num_bins

该整数值用于确定决策边界的数量。决策边界以 0 和 1（包含）之间的等距间隔设置。该函数在每个 num‑bin + 1 点处计算一次表。

默认值：100

f1_score

一个布尔值，指定是否返回包含 f1 分数的列 - 精度和召回度量的调和平均值，其中 F1 分数在 1 处达到其最佳值（完美的精度和召回率），在 0 处达到最差值。

默认值：false

main_class

仅当 targets 是 CHAR/VARCHAR 类型时使用，请指定要与 probabilities 实参关联的类。

示例

对名为 mtcars 的输入表执行 PRC 函数。obs 列中显示响应变量，而 pred 列中显示预测变量。

=> SELECT PRC(obs::int, prob::float USING PARAMETERS num_bins=2, f1_score=true) OVER()
    FROM (SELECT am AS obs,
                    PREDICT_LOGISTIC_REG (mpg, cyl, disp, drat, wt, qsec, vs, gear, carb
                          USING PARAMETERS model_name='myLogisticRegModel',
                                           type='probability') AS prob
             FROM mtcars) AS prediction_output;
decision_boundary | recall | precision |     f1_score      |     comment
------------------+--------+-----------+-------------------+--------------------------------------------
0                 |      1 |   0.40625 | 0.577777777777778 |
0.5               |      1 |         1 |                 1 | Of 32 rows, 32 were used and 0 were ignored
(2 rows)

第一列 decision_boundary 指示将响应值分类为 0 还是 1 的分界点。例如，在每行中，如果概率等于或大于 decision_boundary，则将响应分类为 1。如果概率小于 decision_boundary，则将响应分类为 0。