python绘制roc曲线

ROC曲线是评价二分类模型性能的一种重要方法，Python中可以使用scikit-learn库中的函数绘制ROC曲线。以下是一个简单的例子：

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

# 假设y_test和y_score是测试集的真实标签和预测概率
fpr, tpr, thresholds = roc_curve(y_test, y_score)
roc_auc = auc(fpr, tpr)

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()

其中，roc_curve函数会返回三个数组，分别是false positive rate，true positive rate和thresholds。而auc函数计算ROC曲线下的面积。最后使用matplotlib库绘制ROC曲线即可。