ROC 曲线
现在，您已经构建了用于预测糖尿病状态的逻辑回归模型，可以绘制 ROC 曲线，直观展示当决策阈值改变时，真正率和假正率如何变化。
测试标签 y_test，以及测试特征属于正类的预测概率 y_pred_probs 已为您预加载，同时 matplotlib.pyplot 已以 plt 导入。
您将创建一条 ROC 曲线，并对结果进行解读。
本练习是课程的一部分
使用 scikit-learn 的监督学习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import roc_curve
____
# Generate ROC curve values: fpr, tpr, thresholds
fpr, tpr, thresholds = ____(____, ____)
plt.plot([0, 1], [0, 1], 'k--')
# Plot tpr against fpr
plt.plot(____, ____)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve for Diabetes Prediction')
plt.show()