用Python 绘制ROC曲线

ROC曲线是一种用于比较分类模型性能的常用工具，Python中可以使用scikit-learn库中的函数来绘制ROC曲线。下面是一个示例代码：

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

# 假设y_test是测试集的真实标签，y_pred是模型的预测结果
fpr, tpr, thresholds = roc_curve(y_test, y_pred)
roc_auc = auc(fpr, tpr)

# 绘制ROC曲线
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, 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，`roc_curve`函数用于计算ROC曲线上的真阳性率（True Positive Rate，即召回率）和假阳性率（False Positive Rate），`auc`函数用于计算ROC曲线下的面积。绘制ROC曲线可以使用Matplotlib库中的`plot`函数来实现。