python画多分类的ROC曲线

利用Python画ROC曲线和计算AUC值，可以使用scikit-learn库中的roc_curve和auc函数。roc_curve函数可以计算出ROC曲线上的每个点，而auc函数则可以计算出ROC曲线下的面积，即AUC值。具体代码可以参考以下示例：

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

# 假设y_true和y_score分别是真实标签和预测得分，类型为numpy数组
fpr, tpr, thresholds = roc_curve(y_true, y_score)
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_score可以是任何类型的数组，只要y_true中的每个元素都是0或1，y_score中的每个元素都是[0, 1]之间的概率值即可。