举一个roc_auc_score的例子

假设我们有一个二分类问题，数据集中有100个样本，每个样本有3个特征。我们可以使用以下代码来计算roc_auc_score：

from sklearn.metrics import roc_auc_score
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

X, y = make_classification(n_samples=100, n_features=3, random_state=42)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = LogisticRegression(random_state=42)
model.fit(X_train, y_train)

y_pred = model.predict_proba(X_test)[:,1]

roc_auc = roc_auc_score(y_test, y_pred)
print("ROC AUC Score:", roc_auc)

在这个例子中，我们生成了一个有100个样本和3个特征的合成数据集。我们将数据集分成80%的训练数据和20%的测试数据，并使用LogisticRegression模型进行训练。然后，我们使用predict_proba函数生成模型对测试数据的预测概率，并从其中选择第二列，因为我们需要预测正例的概率。最后，我们使用roc_auc_score函数计算ROC AUC分数，并打印结果。