python画roc曲线

要画 ROC 曲线，需要以下步骤：

1. 计算出分类器的真正例率（True Positive Rate, TPR）和假正例率（False Positive Rate, FPR）。

2. 按照 FPR 递增的顺序对 TPR 进行排序，并绘制出曲线。

3. 计算出 AUC(Area Under Curve)。

下面是一份 Python 代码，可以用来画 ROC 曲线：

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

# y_true 是真实标签，y_score 是分类器的预测值
fpr, tpr, thresholds = roc_curve(y_true, y_score)
roc_auc = auc(fpr, tpr)

# 绘制 ROC 曲线
plt.figure()
lw = 2
plt.plot(fpr, tpr, color='darkorange',
         lw=lw, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc="lower right")
plt.show()

其中，y_true 是真实标签，y_score 是分类器的预测值。这段代码使用了 `roc_curve` 函数计算出了 FPR 和 TPR，再使用 `auc` 函数计算出了 AUC。最后，使用 `matplotlib` 库绘制出 ROC 曲线。