Perfcurve 错误：输入数据中未找到正类

根据报错信息，发生了 'perfcurve' 函数调用的错误。错误信息指出，在输入数据中未找到正类。

'perfcurve' 函数用于计算 ROC 曲线和 AUC（Area Under the Curve）值。它需要接收两个参数：真实标签 ('true_labels') 和预测分数 ('scores')。

根据您提供的代码片段，错误可能出现在 'perfcurve' 函数调用时的输入数据上。请确保以下几点：

1. 确保 'true_labels' 对象包含正确的真实标签。这些标签应该是 0 或 1 的二元值，其中 1 表示正类样本，0 表示负类样本。

2. 确保 'scores' 对象包含模型的预测分数。这些分数应该是与真实标签对应的概率或得分值。

请检查真实标签和预测分数的数据类型和维度是否正确，并确保它们与 'perfcurve' 函数调用中的参数类型一致。

如果问题仍然存在，请提供更多相关的代码和数据信息，以便更全面地了解问题的具体原因。