python绘制roc曲线

要绘制ROC曲线，需要先得到分类器的真正率（TPR）和假正率（FPR）数据。可以使用sklearn.metrics中的roc_curve函数计算出。

下面是一个简单的Python代码示例：

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

# 假设y_score是分类器的预测得分，y_true是真实的标签
fpr, tpr, thresholds = roc_curve(y_true, y_score)
roc_auc = auc(fpr, tpr)

# 绘制ROC曲线
plt.plot(fpr, tpr, lw=1, alpha=0.7, label='AUC = %0.2f' % roc_auc)
plt.plot([0, 1], [0, 1], '--', color='gray', label='Random')
plt.xlim([-0.05, 1.05])
plt.ylim([-0.05, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC) Curve')
plt.legend(loc="lower right")
plt.show()

其中，`y_true`是真实的标签，`y_score`是分类器的预测得分。函数`roc_curve`返回FPR、TPR和阈值数组，函数`auc`计算AUC值，`plt.plot`绘制ROC曲线。