泰坦尼克号AUC曲线代码

以下是使用Python和Scikit-Learn库绘制泰坦尼克号AUC曲线的示例代码：

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris

# 加载泰坦尼克号数据集
titanic = load_iris()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    titanic.data, titanic.target, test_size=0.5, random_state=0)

# 训练逻辑回归模型
clf = LogisticRegression(random_state=0).fit(X_train, y_train)

# 计算AUC值和ROC曲线
y_score = clf.decision_function(X_test)
fpr, tpr, _ = roc_curve(y_test, y_score)
roc_auc = auc(fpr, tpr)

# 绘制ROC曲线和AUC值
plt.figure()
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 example')
plt.legend(loc="lower right")
plt.show()

请注意，这是一个示例代码，实际使用时需要替换为泰坦尼克号数据集和训练的模型。