Python Scikit-调用sklearn.metrics.precision_recall_curve时输入形状错误

Question

我正在尝试为CatBoostClassifier构建PRC（精确调用曲线）。

但是当我调用sklearn.metrics.precision_recall_curve(y_test, y_score)我得到ValueError: bad input shape (11912, 2) 。

我目前的方法有什么问题？ 我需要在此处修复什么以提供正确的形状？

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

//这是我建立模型的方式

model = CatBoostClassifier( 
iterations=50, 
random_seed=63, 
learning_rate=0.15, 
custom_loss=['Accuracy', 'Precision', 'Recall', 'AUC']
) 

model.fit( 
X_train, y_train, 
cat_features=cat_features, 
eval_set=(X_test, y_test), 
verbose=10, 
plot=True 
);   

Answer 1

最简单的答案是CatBoostClassifier.model.predict_proba返回2d数组。 sklearn.model.precision_recall_curve需要一个1d数组（或带有一列的2d数组）。

CatBoostClassifier的文档说， predict_proba()返回numpy.array ，并且不提供有关此方法的其他信息。 因此，我现在讨厌此软件包的文档。

通过一些评论欠佳的代码，我可以：

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

我猜第0列是类别0的概率，而第1列是类别1的概率。因此，请选择测试与之匹配的任何事物，并仅使用该列。

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