fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])

这行代码是用于计算多分类问题中每个类别的ROC曲线上的真阳性率（True Positive Rate）和假阳性率（False Positive Rate）。其中：

- y_test是测试集中的真实标签，是一个经过one-hot编码后的矩阵，每行表示一个样本的标签，每列对应一个类别，标签为1表示该样本属于该类别，标签为0表示不属于该类别；
- y_score是模型对测试集中每个样本属于每个类别的预测概率值，是一个与y_test相同维度的矩阵；
- fpr、tpr、_分别是ROC曲线上的假阳性率、真阳性率和阈值，是用roc_curve函数计算得到的。

此代码的作用是利用真实标签和预测概率值计算每个类别的ROC曲线上的fpr和tpr，以便后续绘制ROC曲线并计算AUC值。