sklearn.metrics 里面roc_curve函数的返回的thresholds值是干什么用的，不太懂，代码举个例子

Thresholds 是用于计算 ROC 曲线上每个点的阈值列表。在 roc_curve 函数中，它会返回三个值：fpr、tpr 和 thresholds。fpr 是假阳性率（false positive rate），tpr 是真阳性率（true positive rate）。阈值列表 thresholds 是一个数组，它包含了所有可能的阈值，可以用来计算 ROC 曲线上的每个点。

以下是一个使用 sklearn.metrics 中 roc_curve 函数的例子：

import numpy as np
from sklearn.metrics import roc_curve

y_true = np.array([0, 0, 1, 1])
y_score = np.array([0.1, 0.4, 0.35, 0.8])

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

print("fpr:", fpr)
print("tpr:", tpr)
print("thresholds:", thresholds)

输出结果如下：

fpr: [0.  0.5 0.5 1. ]
tpr: [0.  0.5 1.  1. ]
thresholds: [0.8  0.4  0.35 0.1 ]

在这个例子中，y_true 是实际的标签，y_score 是模型的预测得分。roc_curve 函数会根据这两个数组计算出 ROC 曲线上的点，并返回 fpr、tpr 和 thresholds。这些值可以用来评估模型的性能和选择最佳阈值。