Curva ROC

Vamos criar agora uma curva ROC para o nosso classificador de random forest. O primeiro passo é calcular as probabilidades previstas que o classificador gera para cada rótulo usando o método .predict_proba(). Em seguida, você pode usar a função roc_curve de sklearn.metrics para calcular a taxa de falso positivo e a taxa de verdadeiro positivo, que depois podem ser plotadas com matplotlib.

Um RandomForestClassifier com 70% do conjunto de treino já foi ajustado aos dados e está disponível no seu ambiente como clf.