from sklearn.metrics import roc_curve

fpr, tpr, thresholds=roc_curve(y_train_5, y_scores)

fpr, tpr

>>>

(array([0.00000000e+00, 0.00000000e+00, 1.83220653e-05, ..., 9.94686601e-01, 9.94686601e-01, 1.00000000e+00]), array([1.84467810e-04, 1.43884892e-02, 1.43884892e-02, ..., 9.99815532e-01, 1.00000000e+00, 1.00000000e+00]))

 

def plot_roc_curve(fpr, tpr, label=None):

#绘制下图的红线，fpr和tpr是横纵坐标集合；color代表线的颜色；linestyle是线的形状（虚线，实线等）；

plt.plot(fpr, tpr, color='r',linestyle='-', linewidth=2, label=label)

# 绘制途中黑线，"k"代表黑色，"--"代表是虚线，两个[0,1]意义和上一行的fpr，tpr一致，就是代表x点集合以及y点集合，这里其实就是指定了两个点(0, 0)以及（1, 1)

plt.plot([0,1], [0,1], 'k--')

plt.axis([0,1,0,1]) # x轴取值范围为0-1，y轴取值范围是0-1

plt.xlabel("False Positive Rate") #X轴显示标签

plt.ylabel("True Positive Rate") #Y轴显示标签

 

#fpr和tpr是代表横纵坐标的集合，每个fpr元素对应一个tpr元素，组成了上图这个2D线性图形；

plot_roc_curve(fpr, tpr)

plt.show()