如何在同一图中绘制不同模型的ROC曲线？求后续代码指导

嘿，这事儿很简单！你现在的代码只处理了一个模型的ROC曲线，要在同一张图里加另一个模型的，只需要对第二个模型重复ROC的计算步骤，然后在同一个画布上继续plot就行。我帮你调整了代码，还加了一些让图更清晰的细节：

from matplotlib import pyplot as plt
from sklearn import metrics

# 假设你有两个不同的模型：modelA 和 modelB
# 注意：对比模型性能时，建议使用**同一测试集**（X_test、y_test），这样结果更具可比性
# 计算第一个模型的预测概率、ROC参数和AUC值
probaA = modelA.predict_proba(X_test)[:, 1]
fprA, tprA, _ = metrics.roc_curve(y_test, probaA)
aucA = metrics.roc_auc_score(y_test, probaA)

# 对第二个模型执行同样的计算
probaB = modelB.predict_proba(X_test)[:, 1]
fprB, tprB, _ = metrics.roc_curve(y_test, probaB)
aucB = metrics.roc_auc_score(y_test, probaB)

# 绘制随机猜测的基准线（灰色虚线）
plt.plot([0, 1], [0, 1], linestyle='--', color='gray', label='Random Guess')

# 绘制第一个模型的ROC曲线，标注AUC值（保留两位小数更美观）
plt.plot(fprA, tprA, label=f"Model A (AUC = {aucA:.2f})")
# 绘制第二个模型的ROC曲线
plt.plot(fprB, tprB, label=f"Model B (AUC = {aucB:.2f})")

# 设置图例位置（右下角，用'lower right'比数字4更直观）
plt.legend(loc='lower right')
# 添加坐标轴标签和标题，让图形更易读
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curves Comparison: Model A vs Model B')

# 显示最终图形
plt.show()

几个关键说明： #

• 我统一了pyplot的别名为plt，避免代码里出现两种调用方式的混乱
• 如果你确实需要用不同的测试集（比如X_testA/X_testB、y_testA/y_testB），只需要把代码里的X_test和y_test替换成对应的数据集就行，但这种情况下模型对比的参考性会弱一些
• 用f-string格式化AUC值，保留两位小数能让图例更整洁
• 给基准线也加了标签，方便对比模型和随机猜测的差距

内容的提问来源于stack exchange，提问作者Miss