利用sklearn.metrics.roc_curve绘制roc曲线

首先，我们需要导入需要的库：

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

接下来，我们可以生成一些模拟数据：

y_true = np.array([0, 0, 1, 1, 1, 0, 0, 1, 1, 1])
y_scores = np.array([0.1, 0.3, 0.4, 0.6, 0.7, 0.2, 0.25, 0.8, 0.9, 0.95])

其中，`y_true` 是真实标签，`y_scores` 是预测分数（或概率）。

然后，我们可以使用 `sklearn.metrics.roc_curve` 函数计算 ROC 曲线的 FPR（false positive rate）和 TPR（true positive rate）：

fpr, tpr, thresholds = roc_curve(y_true, y_scores)

最后，我们可以使用 matplotlib 库绘制 ROC 曲线：

plt.plot(fpr, tpr)
plt.title('ROC Curve')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.show()

完整代码如下：

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

# 模拟数据
y_true = np.array([0, 0, 1, 1, 1, 0, 0, 1, 1, 1])
y_scores = np.array([0.1, 0.3, 0.4, 0.6, 0.7, 0.2, 0.25, 0.8, 0.9, 0.95])

# 计算 ROC 曲线
fpr, tpr, thresholds = roc_curve(y_true, y_scores)

# 绘制 ROC 曲线
plt.plot(fpr, tpr)
plt.title('ROC Curve')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.show()

运行上述代码，即可得到 ROC 曲线图像。