sklearn.metrics.plot_roc_curve(estimator, X, y, *, sample_weight=None, drop_intermediate=True, response_method='auto', name=None, ax=None, **kwargs)
绘制接收器工作特性（ROC）曲线。
额外的关键字参数将传递到matplotlib的plot中。
在
用户指南
中阅读更多内容。
drop_intermediate
boolean, default=True
是否降低一些未达到最佳阈值的阈值，这些阈值不会出现在绘制的ROC曲线上。 这对于创建较浅的ROC曲线很有用。
response_method
{‘predict_proba’, ‘decision_function’, ‘auto’} default=’auto’
指定是使用
predict_proba
还是
decision_function
作为目标响应。 如果设置为‘auto’，则先尝试使用
predict_proba
，如果不存在，则首先尝试
decision_function
。
str, default=None
用于标记的ROC曲线的名称。 如果为None，请使用评估器的名称。
matplotlib axes, default=None
要进行绘制的轴对象。如果为None，则将创建新的图形和轴。
>>> import matplotlib.pyplot as plt
>>> from sklearn import datasets, metrics, model_selection, svm
>>> X, y = datasets.make_classification(random_state=0)
>>> X_train, X_test, y_train, y_test = model_selection.train_test_split( X, y, random_state=0)
>>> clf = svm.SVC(random_state=0)
>>> clf.fit(X_train, y_train)
SVC(random_state=0)
>>> metrics.plot_roc_curve(clf, X_test, y_test)
>>> plt.show()
