利用sklearn训练模型，并用十折交叉验证法验证模型后，如何得到roc曲线图

你可以使用sklearn.metrics库中的roc_curve函数来生成ROC曲线。首先，你需要将数据集分成训练集和测试集，然后使用sklearn中的模型训练数据集。接下来，你可以使用predict_proba函数来预测测试集中每个样本属于正类的概率。最后，使用roc_curve函数计算真正率和假正率，并使用matplotlib库绘制ROC曲线图。以下是示例代码：

from sklearn.model_selection import cross_val_predict
from sklearn.metrics import roc_curve, auc
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt

# 加载数据集
X, y = load_data()

# 初始化模型
model = LogisticRegression()

# 使用十折交叉验证法验证模型
y_scores = cross_val_predict(model, X, y, cv=10, method="predict_proba")

# 计算ROC曲线
fpr, tpr, thresholds = roc_curve(y, y_scores[:, 1])
roc_auc = auc(fpr, tpr)

# 绘制ROC曲线图
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()

请注意，这只是一个示例代码，你需要根据你的数据集和模型进行相应的修改。