随机森林绘制roc曲线

要绘制随机森林模型的ROC曲线，你可以按照以下步骤进行操作：

1. 导入所需的库：

2. 预测概率值：

这里的`model`是你已经训练好的随机森林模型，`X_test`是测试集的特征数据。

3. 计算ROC曲线的假正率（FPR）、真正率（TPR）和阈值（thresholds）：

这里的`y_test`是测试集的目标变量。

4. 计算曲线下面积（AUC）：

5. 绘制ROC曲线：

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

这样就可以绘制出随机森林模型的ROC曲线了。记得将`model`、`X_test`和`y_test`替换为你自己的模型、测试集特征数据和目标变量。