如何在GBTClassifier的pyspark中绘制ROC曲线？

from pyspark.ml.classification import GBTClassifier
from pyspark.ml.evaluation import BinaryClassificationEvaluator
import matplotlib.pyplot as plt

# 假设已经定义好了训练集(train_data)和测试集(test_data)
gbt = GBTClassifier()
model = gbt.fit(train_data)
predictions = model.transform(test_data)

# 获取二分类评估器
evaluator = BinaryClassificationEvaluator()
# 设置评估器的标签列和预测列
evaluator.setLabelCol("label")
evaluator.setRawPredictionCol("prediction")
# 计算预测结果的概率
results = predictions.select(['probability', 'label'])

# 提取预测概率和真实标签
results_collect = results.collect()
results_list = [(float(i[0][0]), 1.0-float(i[1])) for i in results_collect]

# 对预测概率进行排序
results_list_sorted = sorted(results_list, key=lambda x: x[0], reverse=True)

# 初始化TPR和FPR列表
tpr_list = [0.0]
fpr_list = [0.0]
# 初始化上一个点的预测概率
previous_prob = results_list_sorted[0][0]
# 初始化正样本和负样本的数量
P = sum([1.0 for i in results_list if i[1] == 1.0])
N = sum([1.0 for i in results_list if i[1] == 0.0])

for i in range(len(results_list_sorted)):
    # 获取当前预测概率和真实标签
    prob = results_list_sorted[i][0]
    label = results_list_sorted[i][1]
    # 如果预测概率发生变化，则计算并添加新的点到ROC曲线
    if prob != previous_prob:
        tpr_list.append(tpr)
        fpr_list.append(fpr)
        previous_prob = prob
    # 更新TPR和FPR
    if label == 1.0:
        tpr += 1/P
    else:
        fpr += 1/N

# 添加最后一个点到ROC曲线
tpr_list.append(1.0)
fpr_list.append(1.0)

# 绘制ROC曲线
plt.plot(fpr_list, tpr_list)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve')
plt.show()