pytroch 绘制roc

在 Pytorch 中绘制 ROC 曲线可以使用 scikit-learn 库中的 `roc_curve` 函数和 `matplotlib` 库中的 `pyplot` 函数。假设你已经有了模型的预测结果和真实标签，可以按照以下步骤绘制 ROC 曲线：

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

# 假设你已经有了模型的预测结果和真实标签
pred = model(x_test)
fpr, tpr, thresholds = roc_curve(y_test, pred)

# 计算 AUC 值
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 example')
plt.legend(loc="lower right")
plt.show()

其中 `fpr` 和 `tpr` 分别是假阳性率和真阳性率，`thresholds` 是阈值数组，`roc_auc` 是曲线下面积的 AUC 值。代码中使用了 `matplotlib` 库绘制曲线，并设置了相应的标签和标题。