Python 精度-回忆-曲线的输入-预测还是预测概率输出？

我使用高斯朴素贝叶斯从熊猫数据帧训练模型，但在使用精度-召回曲线时，我得到了一个错误。文档中说，precision_recall_曲线将预测的概率作为输入（至少在我阅读时是这样），因此我希望下面的方法能够起作用（xtrain和xtest分别是736行和184行的熊猫数据帧；ytrain/ytest分别是736行和184行的序列）：

我希望上述方法能够奏效，但是我收到了一个“IndexError:Index230超出大小184的范围”。如果我这样做：

predicted = nb.predict(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted)

---

然后它正确地执行。184是xtest和ytest中的行数，但230不是这些结构中任何一个的维度。有人能解释一下这两者之间的区别，或者我应该如何使用精度回忆曲线来实现这一目的吗？

如果这是一个二元分类，请尝试使用以下方法：

predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted[:,1])

---

我不知道230是从哪里来的，但是你真的不应该在熊猫数据结构上使用scikit学习估计器。scikit learn期望NumPy约定，而Pandas违反了其中一些约定（例如，将一维数组转换为列向量而不是行向量）。另外，这是一项二进制分类任务吗？

predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted[:,1])