多分类auc曲线绘制python

要绘制多分类AUC曲线，可以使用`scikit-learn`库中的`roc_auc_score`函数计算每个类别的AUC值，然后使用`matplotlib`库绘制ROC曲线。

以下是一个示例代码，假设我们有三个类别（0、1、2）：

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

# 真实标签和预测概率
y_true = np.array([0, 1, 2, 0, 1, 2, 0, 1, 2])
y_score = np.array([[0.9, 0.05, 0.05],
                    [0.05, 0.9, 0.05],
                    [0.05, 0.05, 0.9],
                    [0.8, 0.1, 0.1],
                    [0.1, 0.8, 0.1],
                    [0.1, 0.1, 0.8],
                    [0.7, 0.2, 0.1],
                    [0.2, 0.7, 0.1],
                    [0.2, 0.1, 0.7]])

# 计算每个类别的AUC值
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(3):
    fpr[i], tpr[i], _ = roc_curve(y_true == i, y_score[:, i])
    roc_auc[i] = roc_auc_score(y_true == i, y_score[:, i])

# 绘制ROC曲线
plt.figure()
lw = 2
colors = ['red', 'green', 'blue']
for i, color in zip(range(3), colors):
    plt.plot(fpr[i], tpr[i], color=color, lw=lw,
             label='ROC curve of class {0} (AUC = {1:0.2f})'
             ''.format(i, roc_auc[i]))
plt.plot([0, 1], [0, 1], color='black', 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 for multi-class classification')
plt.legend(loc="lower right")
plt.show()

此代码将绘制三个类别的ROC曲线，每个曲线都标有其对应的AUC值。