已知分类器的评分分别为：0.5, 0.3, 0.81, 0.22, 0.4, 0.56, 0.18, 0.36，他们对应的真实类别为：1, 0, 1, 1, 1, 0, 0, 0；编写python代码绘制该分类器的ROC曲线

为了绘制分类器的ROC曲线，我们可以使用Python的`scikit-learn`库，它包含了丰富的机器学习工具和绘图函数。首先，你需要安装这个库，如果还没有安装，可以使用命令`pip install scikit-learn`。以下是绘制ROC曲线的步骤：

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

# 分类器得分和真实类别
scores = [0.5, 0.3, 0.81, 0.22, 0.4, 0.56, 0.18, 0.36]
true_classes = [1, 0, 1, 1, 1, 0, 0, 0]

# 将得分转换为二分类（例如大于阈值为正样本）
fpr, tpr, thresholds = roc_curve(true_classes, scores)

# 计算AUC分数（曲线下面积）
auc = roc_auc_score(true_classes, scores)

# 绘制ROC曲线
plt.figure()
plt.plot(fpr, tpr, label='ROC curve (area = %0.2f)' % auc)
plt.plot([0, 1], [0, 1], 'k--', lw=2)  # 对角线基准线
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC)')
plt.legend(loc="lower right")
plt.show()