帮我写段代码，随机生成同样大小的y_prob向量，画出与y_test相比的ROC曲线，计算AUC值

好的，以下是Python代码实现：

import numpy as np
from sklearn.metrics import roc_curve, auc
import matplotlib.pyplot as plt

# 生成随机向量，长度与 y_test 相同
y_prob = np.random.rand(len(y_test))
# 计算 FPR，TPR 和阈值
fpr, tpr, thresholds = roc_curve(y_test, y_prob)
# 计算 AUC
roc_auc = auc(fpr, tpr)
# 画 ROC 曲线
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc="lower right")
plt.show()

希望这段代码能够帮到您。