precisionrecalldisplay画不出图，大概率因未调用plt.show()或非交互环境中缺少后端配置；它仅构建绘图对象，不自动渲染，须显式显示或保存。
为什么 PrecisionRecallDisplay 画不出图？
直接调用 PrecisionRecallDisplay.from_estimator() 或 .from_predictions() 却没显示图像，大概率是因为没调用 plt.show()，或者在非交互环境（如脚本、CI）中缺少后端配置。它本身只构建绘图对象，不自动渲染。
- 必须显式调用
plt.show()（Matplotlib 默认后端下） - Jupyter 中需确保最后一行是显示对象（如
disp.plot(); plt.show()），不能只写disp.plot()后跟换行 - 若用
Agg后端（如服务器环境），得手动保存：disp.plot(); plt.savefig("pr_curve.png")
from_estimator 和 from_predictions 怎么选？
前者适合你有训练好的模型和验证集 X/y；后者适合你已算好预测概率或置信分（比如 clf.predict_proba(X)[:, 1] 或 clf.decision_function(X)），不想再跑一遍预测。
-
from_estimator内部会自动调用predict_proba或decision_function，要求模型实现其一；不支持仅返回硬分类的模型（如Perceptron） -
from_predictions更灵活：传入y_true和probas_pred即可，哪怕分数来自别处（如集成输出、自定义打分器） - 注意：两个方法都**只支持二分类**，
y_true必须是 0/1 或布尔型，多分类要先 one-vs-rest 拆解
如何标出特定阈值点（比如 0.5）？
PrecisionRecallDisplay 默认只画曲线，不标点。要高亮某个阈值对应的位置，得手动计算并加散点——它不提供 highlight_threshold 这类参数。
- 先用
precision_recall_curve(y_true, y_score)得到precision,recall,thresholds - 找到最接近目标阈值（如 0.5）的索引：
idx = np.argmin(np.abs(thresholds - 0.5)) - 再用
plt.scatter(recall[idx], precision[idx], color="red", zorder=5)标出 - 注意：传给
from_predictions的y_score必须是正类概率或决策分，不能是硬预测y_pred
和 sklearn.metrics.precision_recall_curve 什么关系？
PrecisionRecallDisplay 是高层封装，底层仍调用 precision_recall_curve 计算点；但前者专注可视化，后者只返回原始数组，不碰 Matplotlib。
- 想自定义坐标轴标签、加网格、改颜色？用
disp.plot(ax=ax)获取Axes对象后操作 - 想同时画多个模型的 PR 曲线？分别创建
disp1,disp2，然后disp1.plot(ax=plt.gca()); disp2.plot(ax=plt.gca()) - 性能上无差异——它不重复计算，只是把算好的点塞进
matplotlib.lines.Line2D
实际用的时候，最容易漏的是：传了 y_pred（0/1 硬预测）给 from_predictions，结果曲线变成一条折线——PR 曲线必须依赖排序能力，没有连续分数就无法生成多个阈值下的点。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
