roc_curve使用例子

要绘制ROC曲线，我们需要首先计算出TPR和FPR的值。下面是一个使用sklearn包中的roc_curve函数计算ROC曲线的实例：

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

# 首先，我们需要定义样本的真实标签值和预测得分
y_true = [0, 0, 1, 1, 1, 0, 1, 1, 0, 1]  # 真实标签值
y_score = [0.1, 0.2, 0.4, 0.5, 0.6, 0.3, 0.7, 0.8, 0.4, 0.9]  # 预测得分

# 使用sklearn.metrics中的roc_curve函数计算ROC曲线的各个点
fpr, tpr, threshold = roc_curve(y_true, y_score)

# 计算ROC曲线的面积（AUC）
roc_auc = auc(fpr, tpr)

# 绘制ROC曲线
plt.figure()
plt.plot(fpr, tpr, color='darkorange', label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', 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 example')
plt.legend(loc="lower right")
plt.show()

在上述代码中，我们定义了样本的真实标签值和预测得分，并使用roc_curve函数计算出ROC曲线的各个点。然后，我们计算出ROC曲线的面积（AUC），最后使用matplotlib包将ROC曲线绘制出来。