---> 1 rfDisp = metrics.plot_roc_curve(cr_rf,cr_testX,cr_testY,label='random forest') 2 metrics.plot_roc_curve(rnd_search,cr_testX,cr_testY,label='optimized') AttributeError: module 'sklearn.metrics' has no attribute 'plot_roc_curve'

这个错误可能是因为您正在使用的 scikit-learn 版本较旧，不支持 `plot_roc_curve` 函数。

请尝试更新 scikit-learn 到最新版本，可以使用以下命令：

pip install -U scikit-learn

如果更新 scikit-learn 后仍然出现此错误，请尝试使用以下代码进行 ROC 曲线绘制：

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

# 训练模型
model.fit(trainX, trainY)

# 预测概率
probs = model.predict_proba(testX)

# 计算 ROC 曲线参数
fpr, tpr, thresholds = roc_curve(testY, probs[:, 1])
roc_auc = auc(fpr, tpr)

# 绘制 ROC 曲线
plt.plot(fpr, tpr, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], 'k--')
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')
plt.legend(loc="lower right")
plt.show()

请注意，`model` 代表您的分类器模型，`trainX`，`trainY`，`testX`，`testY` 分别代表训练集和测试集的特征和标签。