ROC画成直线通常是因为模型没区分能力或者数据特殊。比如假设100个样本全被模型判成0.5概率，调阈值时每降0.1阈值，假正例和假负例同时增加相同比例，所以TPR和FPR像爬楼梯一样匀速上升，连成直线。

这时候数据可能存在两种情况：一种是模型根本没学任何特征，随机猜的话AUC就是0.5，ROC就是45度直线；另一种是数据有重复标签，比如30个正类全被预测0.7，70个负类全预测0.3，当阈值从0.8降到0.2时，每降低0.1阈值就多算10个假正例，同时多算10个假负例，导致FPR和TPR同步增加。比如当阈值0.5时，假正例刚好是30个，假负例70个，这时候FPR=30/(30+70)=30%，TPR=30/(30+20)=60%，刚好落在直线y=x+30%的位置。但这种情况在实际数据中很少见，因为真实数据通常有波动，模型预测概率不会完全相同。