multiclass_roc_auc_score有什么用，该如何使用，给代码示例

multiclass_roc_auc_score用于计算多分类问题中每个类别的ROC AUC分数。在多分类问题中，每个类别都有一个对应的ROC曲线和AUC分数。

下面是一个使用multiclass_roc_auc_score的示例代码：

from sklearn.metrics import multiclass_roc_auc_score
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测概率
y_proba = model.predict_proba(X_test)

# 计算ROC AUC分数
roc_auc = multiclass_roc_auc_score(y_test, y_proba)

print("ROC AUC分数：", roc_auc)

在上面的示例代码中，我们先加载了鸢尾花数据集，然后使用LogisticRegression模型进行训练。接着，我们使用predict_proba方法获取模型的预测概率，最后使用multiclass_roc_auc_score函数计算ROC AUC分数。