python如何在roc曲线图中显示auc的值

在Python中，使用sklearn库中的roc_curve()和auc()函数可以绘制ROC曲线，并且显示AUC值。

ROC曲线的横轴是假阳率，纵轴是真阳率，AUC的值介于0.5和1之间，值越大，分类器的性能就越好。AUC等于0.5时，表示分类器的性能等同于随机选择。

下面是一个展示如何在ROC曲线图中显示AUC值的示例代码：

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

# 假设y_test和y_pred是分类器对测试集进行预测的结果
fpr, tpr, _ = roc_curve(y_test, y_pred)
roc_auc = auc(fpr, tpr)

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

在上面的代码中，首先使用roc_curve()函数计算ROC曲线上的假阳率（fpr）和真阳率（tpr），然后使用auc()函数计算AUC值。最后，将AUC值作为标签显示在ROC曲线图中。需要注意的是，可以根据自己的需求修改图形的标题、坐标轴标签等属性。