plot_proba_forcast使用

`plot_proba_forcast` 是一个用于绘制概率预测图的函数，通常用于展示分类问题中模型对于不同类别的概率预测情况。它通常需要以下参数：

- `y_true`：真实标签值。可以是一维数组或二维数组，如果是二维数组，则每行代表一个样本的多个标签值。
- `y_probas`：模型预测的概率值。通常是一个二维数组，每行代表一个样本对于不同类别的概率值。
- `class_names`：类别名称。可以是一个列表或数组，代表每个类别的名称。
- `figsize`：绘图的大小。
- `title`：图表的标题。

例如，以下是一个使用 `plot_proba_forcast` 函数绘制概率预测图的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import plot_confusion_matrix
from mlxtend.plotting import plot_decision_regions, plot_probabilistic_ensemble

# 生成一个二分类数据集
X, y = make_classification(n_features=2, n_redundant=0, n_informative=2,
                           random_state=1, n_clusters_per_class=1)

# 切分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 绘制概率预测图
plot_proba_forcast(y_test, model.predict_proba(X_test), class_names=['Class 0', 'Class 1'], figsize=(8, 6), title='Probability Forecast')
plt.show()

运行以上代码，就可以得到一个概率预测图，展示了模型对于两个类别的概率预测情况。