1. sklearn.metrics.roc_curve(true_y. pred_proba_score, pos_labal)

計算roc曲線，roc曲線有三個屬性：fpr, tpr,和閾值，因此該函式返回這三個變數,l例如

import numpy as np
from sklearn.metrics import roc_curve
y = np.array([1,1,2,2])
pred = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = roc_curve(y, pred, pos_label=2)
fpr      # array([ 0. ,  0.5,  0.5,  1. ])
tpr      # array([ 0.5,  0.5,  1. ,  1. ])
thresholds      #array([ 0.8 ,  0.4 ,  0.35,  0.1 ])
from sklearn.metrics import auc
metrics.auc(fpr, tpr)
0.75
 

2. sklearn.metrics.auc(x, y, reorder=False):

計算AUC值，其中x,y分別為陣列形式，根據(xi, yi)在座標上的點，生成的曲線，然後計算AUC值；

3. sklearn.metrics.roc_auc_score(true_y, pred_proba_y)

直接根據真實值（必須是二值）、預測值（可以是0/1, 也可以是proba值）計算出auc值，中間過程的roc計算省略