帮我写一个python多分类AUC的代码

当处理多分类任务时，可以使用`sklearn.metrics`模块中的`roc_auc_score()`函数来计算多分类的AUC值。以下是一个示例代码：

from sklearn.metrics import roc_auc_score
import numpy as np

# 假设有3个类别，每个类别都有对应的真实标签和预测概率
y_true = np.array([0, 1, 2, 0, 1, 2, 0, 2, 1])
y_score = np.array([
    [0.9, 0.05, 0.05],
    [0.2, 0.7, 0.1],
    [0.1, 0.2, 0.7],
    [0.8, 0.15, 0.05],
    [0.1, 0.6, 0.3],
    [0.3, 0.4, 0.3],
    [0.7, 0.2, 0.1],
    [0.1, 0.3, 0.6],
    [0.2, 0.3, 0.5]
])

# 计算多分类AUC值
auc = roc_auc_score(y_true, y_score, multi_class='ovr')

print("多分类AUC值:", auc)

在上面的代码中，`y_true`是多分类任务的真实标签，`y_score`是对应的预测概率。`multi_class='ovr'`参数指定了使用"一对剩余"的方法来计算多分类AUC。

请注意，该方法计算的是一对剩余的AUC值，并且返回的是每个类别相对于其他类别的AUC值的平均值。如果你希望获得每个类别的AUC值，可以使用`roc_auc_score()`函数的`average=None`参数。

希望这个代码能够帮到你！