如何用python画ACC曲线

ACC曲线是一种评估分类器性能的方法，可以使用Python中的scikit-learn库来绘制ACC曲线。以下是一个简单的例子：

from sklearn.metrics import accuracy_score, roc_curve, auc
import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
y_true = np.random.randint(0, 2, size=100)
y_pred = np.random.uniform(0, 1, size=100)

# 计算ACC和FPR
acc = []
fpr = []
thresholds = np.arange(0, 1.01, 0.01)
for threshold in thresholds:
    y_pred_binary = np.where(y_pred > threshold, 1, 0)
    acc.append(accuracy_score(y_true, y_pred_binary))
    fpr.append(1 - accuracy_score(y_true, y_pred_binary, normalize=False) / len(y_true))

# 计算AUC
fpr_, tpr_, thresholds_ = roc_curve(y_true, y_pred)
auc_ = auc(fpr_, tpr_)

# 绘制ACC曲线
plt.plot(thresholds, acc, label='ACC')
plt.plot(thresholds, fpr, label='FPR')
plt.title('ACC Curve (AUC = {:.2f})'.format(auc_))
plt.xlabel('Threshold')
plt.legend()
plt.show()

代码生成了100个随机的真实标签y_true和预测标签y_pred，然后计算了在不同阈值下的ACC和FPR，并绘制了ACC曲线。最后，计算并显示了AUC。可以根据需要修改和调整代码以适应自己的数据和需求。