写例子代码，计算含有85个类的y_true的roc auc值，其中，将预测值进行归一化，并且要用到label_binarize函数和roc_auc_score函数

好的，我可以为您提供计算含有85个类的y_true的roc auc值的例子代码。以下是代码：

from sklearn.metrics import roc_auc_score, label_binarize
import numpy as np
  
# 生成测试数据
y_true = np.random.randint(0, 2, size=(100, 85))
y_score = np.random.uniform(0, 1, size=(100, 85))
  
# 对 y_true 进行二值化处理
y_true = label_binarize(y_true, classes=list(range(85)))
  
# 归一化预测值
y_score = (y_score - np.min(y_score)) / (np.max(y_score) - np.min(y_score))
  
# 计算ROC AUC值
roc_auc = roc_auc_score(y_true, y_score, average='macro')
  
print("ROC AUC:", roc_auc)

在这个例子中，我们使用`numpy`来随机生成大小为(100, 85)的二分类测试数据。我们使用`label_binarize`函数将y_true转换为二进制形式。然后，我们将预测值进行归一化处理，然后使用`roc_auc_score`函数来计算ROC AUC值。最后，我们打印出结果。