W3School TIY Editor

# 这三行代码使编译器能够绘图：

import sys

import matplotlib

matplotlib.use('Agg')

​

import numpy as np

import matplotlib.pyplot as plt

​

from sklearn.metrics import accuracy_score, confusion_matrix, roc_auc_score, roc_curve

​

n = 10000

ratio = 0.95

n_0 = int((1-ratio) * n)  # 少数类样本数

n_1 = int(ratio * n)      # 多数类样本数

​

y = np.array([0] * n_0 + [1] * n_1)  # 真实标签

​

# 从总是预测多数类的假设模型中获取的概率值：

y_proba = np.array([1]*n)  # 全部预测为类别 1 的概率

y_pred = y_proba > 0.5     # 预测结果（全部为 True）

​

def plot_roc_curve(true_y, y_prob):

    """

    根据预测概率绘制ROC曲线

    """

    fpr, tpr, thresholds = roc_curve(true_y, y_prob)

    plt.plot(fpr, tpr)

    plt.xlabel('假阳性率(FPR)')

    plt.ylabel('真阳性率(TPR)')

​

# 绘制 ROC 曲线并计算 AUC 分数：

plot_roc_curve(y, y_proba)

print(f'模型1 AUC分数: {roc_auc_score(y, y_proba)}')

​

# 这两行代码使编译器能够输出图形：

plt.savefig(sys.stdout.buffer)

sys.stdout.flush()