TensorFlow2.6中Sequential调用predict_proba报AttributeError如何解决

predict_proba是Keras 1.x版本提供的API，TensorFlow 2.0及后续版本整合的Keras框架已经完全移除了该方法，你参考的1.0版本官方文档不适用于TensorFlow 2.6版本，因此调用时会触发属性不存在的报错。

你的二分类模型输出层使用了sigmoid激活函数，直接调用predict方法即可得到样本属于正类的概率，再做一次简单的格式转换就能匹配scikit-plot接口要求的输入格式：

import numpy as np

# 替换原有predict_proba调用
pos_proba = model_cEXT.predict(X_test)
# 构造[n_samples, 2]格式的概率矩阵，第一列为负类概率，第二列为正类概率
y_prob = np.hstack([1 - pos_proba, pos_proba])

生成的y_prob完全符合sklearn格式要求，直接代入你现有的可视化代码即可正常绘制精确率-召回率曲线：

skplt.metrics.plot_precision_recall_curve(y_test['cEXT'].values, y_prob)
plt.title('Precision-Recall Curve - cEXT')
plt.show()

内容的提问来源于stack exchange，提问作者Juned Ansari