metrics.precision_recall_curve的使用方法

`sklearn.metrics.precision_recall_curve` 是用于计算二分类问题中不同概率阈值下的精确度和召回率的函数。

具体使用方法如下：

1. 导入所需的库和模块：

from sklearn.metrics import precision_recall_curve
import matplotlib.pyplot as plt

2. 准备好真实标签（y_true）和预测概率（y_score），并调用 precision_recall_curve 函数计算精确度、召回率和阈值：

precision, recall, thresholds = precision_recall_curve(y_true, y_score)

其中，y_true 是真实标签，y_score 是模型预测的概率值。

3. 可以使用 Matplotlib 将精确度和召回率绘制成曲线图：

plt.plot(recall, precision, label='Precision-Recall Curve')
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.legend()
plt.show()

需要注意的是，使用 `precision_recall_curve` 函数计算精确度、召回率和阈值时，y_score 中必须为正类的概率值。如果 y_score 中为正类和负类的概率值，需要将正类的概率值提取出来，作为 y_score 的输入。另外，precision、recall 和 thresholds 的长度不一定相同。