要繪制AUC曲線，首先需要計算出模型的預測概率值和真實標簽，并使用sklearn中的roc_curve函數來計算出ROC曲線的數據。然后可以使用matplotlib來繪制AUC曲線。
以下是一個示例代碼：
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
# 假設預測概率值和真實標簽分別存儲在DataFrame中的兩列
df = pd.DataFrame({
'true_labels': true_labels,
'predicted_probabilities': predicted_probabilities
})
# 計算ROC曲線數據
fpr, tpr, thresholds = roc_curve(df['true_labels'], df['predicted_probabilities'])
roc_auc = auc(fpr, tpr)
# 繪制AUC曲線
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic')
plt.legend(loc="lower right")
plt.show()
以上代碼中，true_labels代表真實標簽，predicted_probabilities代表模型的預測概率值。通過計算出fpr, tpr和thresholds，然后使用matplotlib繪制AUC曲線。
