怎么根据混淆矩阵绘制roc曲线

根据混淆矩阵绘制ROC曲线的步骤如下：

1. 计算真正率（True Positive Rate, TPR）和假正率（False Positive Rate, FPR）。
TPR = TP / (TP + FN)
FPR = FP / (FP + TN)
其中，TP、FN、FP、TN 分别为混淆矩阵中的真正例、假反例、假正例、真反例。

2. 绘制ROC曲线。
将计算得到的TPR和FPR分别作为纵坐标和横坐标，绘制ROC曲线。

3. 计算AUC。
AUC（Area Under Curve）是ROC曲线下的面积，用来评估分类器的性能。

下面是一个Python代码示例：

import matplotlib.pyplot as plt

def plot_roc_curve(confusion_matrix):
    TP = confusion_matrix[1][1]
    FN = confusion_matrix[1][0]
    FP = confusion_matrix[0][1]
    TN = confusion_matrix[0][0]
    
    TPR = TP / (TP + FN)
    FPR = FP / (FP + TN)
    
    plt.plot([0, 1], [0, 1], 'k--')
    plt.plot(FPR, TPR, 'ro')
    plt.xlabel('False Positive Rate')
    plt.ylabel('True Positive Rate')
    plt.title('ROC Curve')
    plt.show()
    
confusion_matrix = [[50, 10], [5, 35]]
plot_roc_curve(confusion_matrix)

其中，confusion_matrix为混淆矩阵，这里是一个2x2的二分类混淆矩阵。函数plot_roc_curve根据混淆矩阵计算TPR和FPR，然后绘制ROC曲线。