# -*- coding: utf-8 -*-
import numpy as np
############计算ROC需要的库函数#############
from sklearn.model_selection import cross_validate
from sklearn import metrics
from sklearn import svm
import matplotlib.pyplot as plt
#############计算fpr,tpr##################
##y是一个一维数组(样本的真实分类),数组值表示类别(一共有两类,1和2),人工标注,属于测试集的真实分类
##score即各个样本属于正例的概率;是网络的输出;首先用训练集训练网络,然后利用测试集的数据产生的
##fpr, tpr是ROC的横纵坐标
##thresholds是截断阈值
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)
#############画图##################
plt.title('ROC')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.plot(fpr, tpr,'--*b',label="tuli")
plt.legend()
plt.show()