怎么求TPR为0的阈值点，请写出完整代码

首先，我们需要明确一下什么是TPR和阈值点。

TPR是True Positive Rate的缩写，即真阳性率，也可以叫做灵敏度（Sensitivity）。它是指所有实际为正例的样本中，被模型正确预测为正例的样本数占比。TPR越高，模型的识别能力就越好。

阈值点是指分类器在进行二分类时，将概率值转换为二分类结果的分界点。当概率值大于等于阈值点时，分类器将其划分为正例，否则为负例。

因此，求TPR为0的阈值点，就是要找到一个阈值点，使得分类器在该阈值点处的TPR为0。

以下是Python代码实现：

import numpy as np
from sklearn.metrics import roc_curve

# 构造样本数据
y_true = np.array([1, 1, 1, 1, 0, 0, 0, 0])
y_score = np.array([0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2])

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

# 找到TPR为0的阈值点
tpr_zero_idx = np.argwhere(tpr == 0).flatten()[0]
threshold_tpr_zero = thresholds[tpr_zero_idx]

print("TPR为0的阈值点为：", threshold_tpr_zero)

注：以上代码使用了sklearn.metrics模块中的roc_curve函数，该函数可以计算ROC曲线。具体实现中，我们先构造了样本数据y_true和y_score，然后调用roc_curve函数计算ROC曲线的fpr、tpr和阈值点thresholds。最后，我们使用numpy.argwhere函数找到TPR为0的阈值点的索引，并取出该索引对应的阈值点。