python绘制roc曲线

要绘制ROC曲线，可以使用Python中的scikit-learn库。以下是一个简单的例子，展示如何使用scikit-learn来计算和绘制ROC曲线。

首先，我们需要导入一些必要的库：

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

然后，我们需要计算ROC曲线的FPR（假阳性率）和TPR（真阳性率）。我们可以使用`roc_curve`函数来计算它们：

fpr, tpr, thresholds = roc_curve(y_true, y_scores)

其中，`y_true`是真实标签，`y_scores`是预测得分。

接下来，我们可以使用上面计算得到的FPR和TPR来计算AUC（曲线下面积）：

roc_auc = auc(fpr, tpr)

最后，我们可以使用Matplotlib库来绘制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()

完整的代码如下：

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

# 计算ROC曲线的FPR和TPR
fpr, tpr, thresholds = roc_curve(y_true, y_scores)

# 计算AUC
roc_auc = auc(fpr, tpr)

# 绘制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()

其中，`y_true`和`y_scores`需要替换为你的真实标签和预测得分。