帮我写一个python四分类计算AUC和画出ROC的代码

当处理四分类任务时，可以使用`sklearn.metrics`模块中的`roc_auc_score()`函数来计算多分类的AUC值。同时，可以使用`sklearn.metrics`模块中的`roc_curve()`函数来计算每个类别的FPR和TPR，并使用`matplotlib.pyplot`模块来画出ROC曲线。以下是一个示例代码：

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

# 假设有4个类别，每个类别都有对应的真实标签和预测概率
y_true = np.array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3])
y_score = np.array([
    [0.9, 0.05, 0.03, 0.02],
    [0.1, 0.8, 0.05, 0.05],
    [0.05, 0.1, 0.7, 0.15],
    [0.01, 0.02, 0.03, 0.94],
    [0.8, 0.05, 0.1, 0.05],
    [0.05, 0.7, 0.1, 0.15],
    [0.02, 0.08, 0.85, 0.05],
    [0.03, 0.01, 0.01, 0.95],
    [0.95, 0.02, 0.02, 0.01],
    [0.1, 0.75, 0.1, 0.05],
    [0.05, 0.1, 0.75, 0.1],
    [0.02, 0.02, 0.03, 0.93]
])

# 计算多分类AUC值
auc = roc_auc_score(y_true, y_score, multi_class='ovr')

print("多分类AUC值:", auc)

# 计算每个类别的FPR和TPR
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(4):
    fpr[i], tpr[i], _ = roc_curve((y_true == i).astype(int), y_score[:, i])
    roc_auc[i] = auc(fpr[i], tpr[i])

# 画出ROC曲线
plt.figure()
colors = ['blue', 'red', 'green', 'orange']
for i, color in zip(range(4), colors):
    plt.plot(fpr[i], tpr[i], color=color, lw=2,
             label='ROC curve of class {0} (area = {1:0.2f})'
             ''.format(i, roc_auc[i]))

plt.plot([0, 1], [0, 1], 'k--', lw=2)
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 for multi-class')
plt.legend(loc="lower right")
plt.show()

在上面的代码中，`y_true`是四分类任务的真实标签，`y_score`是对应的预测概率。`multi_class='ovr'`参数指定了使用"一对剩余"的方法来计算多分类AUC。

代码中，首先计算了整体的多分类AUC值，然后针对每个类别分别计算了FPR和TPR，并计算了每个类别的AUC值。最后，使用`matplotlib.pyplot`模块画出了每个类别对应的ROC曲线。

希望这个代码能够帮到你！