KS曲線是一種在評估分類模型時非常有用的工具，它可以在模型的預測結果中幫助我們確定最佳閾值。在Python中，我們可以使用scikit-learn的metrics庫來計算KS值和繪制KS曲線。

要計算KS值，我們需要導入一些必要的庫，包括pandas、numpy和sklearn.metrics。在以下示例中，我們使用一個名為“df”的DataFrame，具有兩個列：“actual”和“predicted”，分別為實際值和預測值。

import pandas as pd
import numpy as np
from sklearn.metrics import roc_curve
df = pd.read_csv('example.csv')
fpr, tpr, thresholds = roc_curve(df['actual'], df['predicted'])
ks = max(tpr-fpr)
print("KS值為:",ks)

在計算KS值后，我們可以使用Matplotlib庫中的plot函數來繪制KS曲線。以下是繪制KS曲線的Python代碼：

import matplotlib.pyplot as plt
plt.plot(thresholds, tpr, label='TPR')
plt.plot(thresholds, fpr, label='FPR')
plt.plot(thresholds, tpr-fpr, label='KS')
plt.legend()
plt.show()

最后，我們可以根據KS曲線選擇最佳閾值。通常，我們希望該曲線上的KS值最大化。在上述示例中，我們可以通過查找最大差距的閾值來選擇最佳閾值。