Python Scikit-调用sklearn.metrics.precision\u recall\u curve时输入形状不正确

我正在尝试为

CatBoostClassifier

构建一个PRC（精确召回曲线）

但是当我调用

sklearn.metrics.precision\u recall\u curve（y\u test，y\u score）

时，我得到了

ValueError:bad input shape（11912，2）

我目前的方法有什么问题？我需要在这里修复什么才能提供正确的形状

import sklearn 
from sklearn import metrics 
y_score = model.predict_proba(X_test) 
prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score)

//下面是我如何建立一个模型

---

简单的答案是

CatBoostClassifier.model.predict\u proba

返回一个2d数组

sklearn.model.precision\u recall\u curve

需要一个1d数组（或一个带有一列的2d数组，以两者为准）

CatBoostClassifier

的文档说明

predict_proba（）

返回

numpy.array

，并且没有提供有关此方法的其他信息。所以我现在讨厌这个包的文档

通过浏览一些注释不好的代码，我发现：

    if prediction_type == 'Probability':
        predictions = np.transpose([1 - predictions, predictions])
        return predictions

我猜第0列是0类的概率，第1列是1类的概率。因此，选择您的测试与之一致的内容，并仅使用该列

prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score[:, 1])

---

简单的答案是

CatBoostClassifier.model.predict\u proba

返回一个2d数组

sklearn.model.precision\u recall\u curve

需要一个1d数组（或一个带有一列的2d数组，以两者为准）

CatBoostClassifier

的文档说明

predict_proba（）

返回

numpy.array

，并且没有提供有关此方法的其他信息。所以我现在讨厌这个包的文档

通过浏览一些注释不好的代码，我发现：

    if prediction_type == 'Probability':
        predictions = np.transpose([1 - predictions, predictions])
        return predictions

我猜第0列是0类的概率，第1列是1类的概率。因此，选择您的测试与之一致的内容，并仅使用该列

prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score[:, 1])