python機械学習のROC曲線, AUC

Pythonによる機械学習入門を読み進んでいます。
p127 6.4.2の学習と評価について, classify_handsign_2.pyを実行するとそれぞれのテスト用画像のprecision,recall,f1-scoreなどが表示されます。
スクリプトを以下のように実行する。

>>>run classify_handsign_2.py 4 ./data/m01 ./data/m05 ./data/m06 ./data/m07 ./data/m02 ./data/m03 ./data/m04 ./data/m08 ./data/m09 ./data/m10 ./data/m11 ./data/m12 ./data/m13 ./data/m14 ./data/m15 ./data/m16

しかし、この場合のそれぞれのROC曲線,AUCはどのようなコードにすれば表示させることができるのですか？
厚かましいお願いではございま‌すが、よろしくお願いします。
コードは以下の通りです。

import os
import sys
import glob
import numpy as np
from skimage import io
from sklearn import datasets

IMAGE_SIZE = 40
COLOR_BYTE = 3
CATEGORY_NUM = 6

## ラベル名(0～)を付けたディレクトリに分類されたイメージファイルを読み込む
## 入力パスはラベル名の上位のディレクトリ
def load_handimage(path):

# ファイル一覧を取得
files = glob.glob(os.path.join(path, '*/*.png'))

# イメージとラベル領域を確保
images = np.ndarray((len(files), IMAGE_SIZE, IMAGE_SIZE,
                        COLOR_BYTE), dtype = np.uint8)
labels = np.ndarray(len(files), dtype=np.int)

# イメージとラベルを読み込み
for idx, file in enumerate(files):
   # イメージ読み込み
   image = io.imread(file)
   images[idx] = image

   # ディレクトリ名よりラベルを取得
   label = os.path.split(os.path.dirname(file))[-1]
   labels[idx] = int(label)

# scikit-learn の他のデータセットの形式に合わせる
flat_data = images.reshape((-1, IMAGE_SIZE * IMAGE_SIZE * COLOR_BYTE))
images = flat_data.view()
return datasets.base.Bunch(data=flat_data,
             target=labels.astype(np.int),
             target_names=np.arange(CATEGORY_NUM),
             images=images,
             DESCR=None)

#####################################＝
from sklearn import svm, metrics

## usage:
##    python classify_handsign_1.py <n> <dir_1> <dir_2> ... <dir_m>
##      n          テスト用データディレクトリ数
##      dir_1      データディレクトリ1
 ##      dir_m      データディレクトリm

if __name__ == '__main__':
argvs = sys.argv

# 評価用ディレクトリ数の取得
paths_for_test = argvs[2:2+int(argvs[1])]
paths_for_train = argvs[2+int(argvs[1]):]

print('test ', paths_for_test)
print('train', paths_for_train)

# 学習データの読み込み
data = []
label = []
for i in range(len(paths_for_train)):
    path = paths_for_train[i]
    d = load_handimage(path)
    data.append(d.data)
    label.append(d.target)
train_data = np.concatenate(data)
train_label = np.concatenate(label)

# 手法:線形SVM
classifier = svm.LinearSVC()

# 学習
classifier.fit(train_data, train_label)

for path in paths_for_test:
    # テストデータの読み込み
    d = load_handimage(path)

    # テスト
    predicted = classifier.predict(d.data)

    # 結果表示
    print("### %s ###" % path)
    print("Accuracy:\n%s"
        % metrics.accuracy_score(d.target, predicted))
    print("Classification report:\n%s\n"
        % metrics.classification_report(d.target, predicted))