sklearn绘制roc曲线

要使用scikit-learn（sklearn）绘制ROC曲线，需要按照以下步骤进行操作：

1. 导入所需的库和模块：

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

2. 使用分类模型进行预测，并获取预测概率值：

y_pred_proba = model.predict_proba(X_test)[:, 1]

这里的`model`是你训练好的分类模型，`X_test`是测试集的特征矩阵。

3. 计算ROC曲线的假正率（FPR）、真正率（TPR）和阈值（thresholds）：

fpr, tpr, thresholds = roc_curve(y_test, y_pred_proba)

这里的`y_test`是测试集的真实标签。

4. 计算曲线下面积（AUC）：

roc_auc = auc(fpr, tpr)

5. 绘制ROC曲线：

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')
plt.legend(loc="lower right")
plt.show()

通过以上步骤，你就可以使用scikit-learn绘制ROC曲线了。只需要将`model`、`X_test`和`y_test`替换成你自己的模型、测试数据和测试标签即可。