roc曲线怎么做出auc的值代码

要绘制ROC曲线并计算AUC值，您可以使用scikit-learn库中的roc_curve和roc_auc_score函数。以下是一个简单的示例代码：

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

# 假设y_true和y_pred是真实标签和模型预测的概率
fpr, tpr, thresholds = roc_curve(y_true, y_pred)
auc = roc_auc_score(y_true, y_pred)

# 绘制ROC曲线
plt.plot(fpr, tpr, label='ROC curve (area = %0.2f)' % auc)
plt.plot([0, 1], [0, 1], 'k--')  # 绘制对角线
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc='lower right')
plt.show()

其中，roc_curve函数返回三个数组：假正例率（fpr）、真正例率（tpr）和阈值（thresholds）。注意，y_true和y_pred都必须是一维数组，其中y_true是二元分类标签（0或1），y_pred是分类器预测的正类概率。

roc_auc_score函数计算AUC值并返回一个标量。