sklearn.metrics.roc_auc_score

`sklearn.metrics.roc_auc_score` 是 Scikit-learn 中用于计算二分类模型 ROC 曲线下面积（AUC）的函数。

在使用该函数时，你需要提供真实标签 `y_true` 和预测标签 `y_pred`。其中，`y_true` 是一个长度为 `n_samples` 的一维数组，表示每个样本的真实标签；`y_pred` 是一个长度为 `n_samples` 的一维数组，表示模型对每个样本的预测标签。

下面是一个简单的例子：

from sklearn.metrics import roc_auc_score

y_true = [0, 0, 1, 1]
y_pred = [0.1, 0.4, 0.35, 0.8]

roc_auc = roc_auc_score(y_true, y_pred)
print("ROC AUC score:", roc_auc)

在这个例子中，`y_true` 表示四个样本的真实标签，分别为 0、0、1、1；`y_pred` 表示模型对这四个样本的预测概率，分别为 0.1、0.4、0.35、0.8。函数的返回值 `roc_auc` 表示模型的 ROC 曲线下面积，即 0.75。