aucって出せる？
はい、AUC（Area Under the Curve）は、ROC曲線（Receiver Operating Characteristic curve）の下の面積を表す指標であり、モデルの性能を評価するための一般的な方法の1つです。AUCは、二値分類器の性能を評価する際に特に有用ですが、多クラス分類器でも利用することができます。
AUCを計算するには、roc_auc_score 関数を使用します。以下は、AUCを計算して表示する方法の例です。
python
from sklearn.metrics import roc_auc_score
# テストデータで予測確率を取得
y_pred_proba = nb_classifier.predict_proba(X_test)
# クラス1（Positiveクラス）の確率を取得
# (多クラス分類器の場合は、各クラスの確率を取得して、目的のクラスの確率を使います)
positive_class_index = 1 # Positiveクラスのインデックス（例えば、クラス160がPositiveの場合）
y_pred_proba_positive = y_pred_proba[:, positive_class_index]
# AUCを計算
auc = roc_auc_score(y_test, y_pred_proba_positive)
print("AUC:", auc)
このコードでは、predict_proba メソッドを使ってテストデータの各サンプルについて各クラスの確率を取得し、その中から目的のクラス（Positiveクラス）の確率を選択しています。そして、roc_auc_score 関数を使ってAUCを計算しています。このようにしてAUCを計算することができます。