怎么写一个输出auc值的代码

要输出AUC值，您可以使用以下步骤：

1. 假设您已经拟合了一个分类模型，并且已经使用其预测了测试集中的标签和置信度值。

2. 将这些标签和置信度值输入到sklearn.metrics中的roc_auc_score()函数中。

3. 这将为您提供一个AUC（Area Under the Curve）值，该值介于0和1之间。 值越接近1，则表示您的模型在分类任务中的性能越好。

以下是一个简单的Python代码示例，可用于输出AUC值：

import numpy as np
from sklearn.metrics import roc_auc_score

# 示例真实标签和预测标签（0 = 负面，1 = 正面）
y_true = np.array([0, 0, 1, 1])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])

# 计算AUC
auc = roc_auc_score(y_true, y_scores)
print("AUC值: {:.2f}".format(auc))

此示例输入的真实标签和预测标签仅为示例。 实际情况下，您需要将此代码嵌入您的分类模型中，并使用您自己的测试集和分类器输出。