预测每个所选样本的类别分配概率Train_features：
probs = classifier.predict_proba(Train_features)`
选择必须确定 AUC 的类别。
preds = probs[:,1]
计算假阳性率、真阳性率以及可以清楚地区分 TP 和 TN 的可能阈值。
fpr, tpr, threshold = metrics.roc_curve(Train_labels, preds)
roc_auc = metrics.auc(fpr, tpr)
print(max(threshold))
输出：1.97834