roc_curve()函数参数定义

`sklearn.metrics`模块中的`roc_curve()`函数是用于计算ROC曲线上的FPR和TPR的函数，它的参数定义如下：

roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)

其中，各参数的含义如下：

- `y_true`：真实的二进制分类标签值，通常是0或1的序列。
- `y_score`：预测的概率值或决策函数的值，用于计算FPR和TPR的阈值。
- `pos_label`：正类标签值，默认为None。如果指定了正类标签值，则计算的ROC曲线将针对该正类标签值进行计算。
- `sample_weight`：样本权重，默认为None。
- `drop_intermediate`：是否丢弃计算过程中的中间值，默认为True。如果设置为True，则只返回FPR和TPR值的列表，否则还会返回用于计算FPR和TPR的阈值列表。

使用`roc_curve()`函数可以方便地计算ROC曲线上的FPR和TPR，并且可以通过设置参数来满足不同的需求。