### 方法一：基于 `sklearn` 的内置函数绘制 ROC 曲线 可以利用 `scikit-learn` 提供的 `roc_curve` 函数计算真正例率（TPR）和假正例率（FPR），并结合 `matplotlib` 库完成绘图。以下是具体实现： ```python import numpy as np from sklearn.metrics import roc_curve, auc import matplotlib.pyplot as plt # 假设数据集如下 y_true = np.array([0, 0, 1, 1]) y_scores = np.array([0.1, 0.4, 0.35, 0.8]) # 计算 FPR 和 TPR fpr, tpr, thresholds = roc_curve(y_true, y_scores) # 计算 AUC 值 roc_auc = auc(fpr, tpr) # 绘制 ROC 曲线 plt.figure() lw = 2 plt.plot(fpr, tpr, color='darkorange', lw=lw, label=f'ROC curve (area = {roc_auc:.2f})') plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--') # 对角线代表随机分类器 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 Curve') plt.legend(loc="lower right") plt.show() ``` 这种方法的核心在于调用 `roc_curve` 来获取必要的参数，并使用 `matplotlib` 进行可视化[^1]。 --- ### 方法二：手动计算并绘制 ROC 曲线 另一种方法是不依赖于现成工具，而是通过遍历预测概率的不同阈值来手动计算 TPR 和 FPR 并绘制曲线。这种方式有助于理解 ROC 曲线的本质。 ```python import numpy as np import matplotlib.pyplot as plt # 数据准备 y_true = np.array([0, 0, 1, 1]) y_scores = np.array([0.1, 0.4, 0.35, 0.8]) # 手动计算 FPR 和 TPR thresholds = np.sort(np.unique(y_scores))[::-1] tprs, fprs = [], [] for threshold in thresholds: y_pred = (y_scores >= threshold).astype(int) tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel() # 使用混淆矩阵辅助计算 tpr = tp / (tp + fn) if (tp + fn) != 0 else 0 fpr = fp / (fp + tn) if (fp + tn) != 0 else 0 tprs.append(tpr) fprs.append(fpr) # 添加极端情况 if not any(fprs): fprs.insert(0, 0) tprs.insert(0, 0) # 插入终点 fprs.append(1) tprs.append(1) # 绘制 ROC 曲线 plt.figure() plt.plot(fprs, tprs, marker='o', label='Manual ROC Curve') plt.plot([0, 1], [0, 1], 'k--', label='Random Guessing Line') plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Manually Computed ROC Curve') plt.legend() plt.show() ``` 此代码片段展示了如何逐个调整决策阈值以获得不同的 TPR 和 FPR 值，并最终形成一条完整的 ROC 曲线[^2]。 --- ### 总结 上述两种方法分别体现了自动化与手动化的思路。第一种方法简单高效，适合快速评估模型性能；第二种方法则更注重原理的理解，适用于教学或深入研究场景[^3]。 #### 注意事项 如果发现绘制的 ROC 曲线仅有一个折点，则可能是由于样本数量不足或者类别分布不平衡所致。增加样本次数或将连续型变量离散化可能改善这一现象[^4]。