python ROC曲线

ROC曲线（Receiver Operating Characteristic curve）是用于评估分类模型性能的一种常用方法。在Python中，可以使用scikit-learn库来绘制ROC曲线。

首先，你需要导入所需的库和模块：

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

接下来，假设你有一组真实标签和对应的预测概率。你可以使用`roc_curve`函数计算出不同阈值下的假正例率（false positive rate, FPR）和真正例率（true positive rate, TPR）：

y_true = np.array([0, 0, 1, 1])  # 真实标签
y_score = np.array([0.1, 0.4, 0.35, 0.8])  # 预测概率

fpr, tpr, thresholds = roc_curve(y_true, y_score)

然后，可以使用计算得到的FPR和TPR绘制ROC曲线：

plt.plot(fpr, tpr, color='darkorange', label='ROC curve')
plt.plot([0, 1], [0, 1], color='navy', linestyle='--')  # 绘制对角线
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC) Curve')
plt.legend()
plt.show()

最后，你可以使用`auc`函数计算ROC曲线下的面积（AUC）：

roc_auc = auc(fpr, tpr)
print("AUC:", roc_auc)

这样就可以绘制ROC曲线并计算AUC值了。希望对你有帮助！如果有更多问题，请随时提问。