这行代码让我疑惑，它究竟是什么意思呢？
print(clf.predict(x_test)) # 返回预测标签就是预测值是哪些
print(clf.predict_proba(x_test)) # 返回预测属于某标签的概率就是属于某类预测值的概率是多少
而对于[:,1]
是取二维数组中第二维的所有数据
举个例子：
y_train_prob = clf.predict_proba(X_train)[:, 1]
print("clf.predict_proba(X_train)")
print(clf.predict_proba(X_train))
print("clf.predict_proba(X_train)[:, 1]")
print(y_train_prob)
输出是：
含义是：预测X_rain[1. 0. 1. ... 0. 1. 0.]的标签是0的概率为0.94005474 ，为1的概率为0.05994526
个人思考：在2分类中，clf.predict_proba(X_train)[:, 1] 是取标签为1的概率，来画ROC曲线。其实笔者认为取【：，0】和取【：，1】是一样的，因为从上面一段话可以看出，0的概率+1的概率=1。都可以用来计算ROC曲线，只不过一个是正的一个是负的ROC。ROC只需要计算真正值和伪正值即可。笔者的具体实验结果对比如下：
ROC曲线对比 取 [:,1]取 [:,0]如果与笔者思考有异，欢迎和笔者在留言区讨论 ~