输入到precision_recall_curve-predict或predict_proba输出

Question

我使用高斯朴素贝叶斯从Pandas数据帧训练模型，但使用precision_recall_curve时出错。文件中说precision_recall_curve将预测的概率作为输入（至少在我阅读时是这样），所以我希望下面的方法能起作用（extrin和xtest分别是736行和184行的Pandas数据帧；ytrain/ytest分别是738行和184行的Series）：

nb = GaussianNB()
nb.fit(xtrain, ytrain)
predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted)

我希望上面的内容能起作用，但我收到了一个"IndexError:索引230超出了184大小的界限"。如果我改为：

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

然后它会正常执行。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。有人能解释一下区别吗？或者我应该如何使用precision_recall_curve？

Answer 1

如果这是二进制分类，请尝试使用以下方法

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