keras ROC代码

下面是一个简单的 Keras ROC 曲线绘制代码示例：

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

# 预测结果
y_pred = model.predict(X_test)

# 计算假正率（FPR）和真正率（TPR）
fpr, tpr, thresholds = roc_curve(y_test, y_pred)
roc_auc = auc(fpr, tpr)

# 绘制 ROC 曲线
plt.figure()
lw = 2
plt.plot(fpr, tpr, color='darkorange',
         lw=lw, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=lw, 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()

在这里，`y_pred`是模型在测试集上的预测结果，`y_test`是测试集的真实标签。调用`roc_curve`函数计算假正率（FPR）和真正率（TPR），再调用`auc`函数计算 ROC 曲线下的面积（AUC）。最后，使用`matplotlib`库绘制 ROC 曲线。