假设我有一个类的多类分类问题N。我已经在训练集上训练了分类器，我使用验证集和 One-vs-rest ROC 曲线来给我NROC 曲线。

由于 ROC 曲线是根据我们将样本分类为的不同阈值创建的$Ci$或不$Ci$. 然后我们可以选择（我们的）最佳 FPR/TRP 比率并获得阈值（t）例如，假设t=0.6我们将样本分类为$Ci$如果model_score>=0.6其他“其余”即不是$Ci$. （这张图片上的蓝色标记来自 sklearn）

问题是，在多类问题中，我们可以使用例如 one-vs-rest 并创建NROC 曲线（见下文，也来自 sklearn）

但现在我们有N不同的阈值（在图中，N=3因为我们有三个类）。假设我们在 one-vs-rest 中已将类的最佳阈值定义为

t1 = 0.8 (Class 1 vs rest)
t2 = 0.6 (Class 2 vs rest)
t3 = 0.4 (class 3 vs rest)

我们得到一个新样本，因此模型分数S= [0.3,0.4,0.3]根据阈值，我们不会将其标记为任何类别，因为没有分数高于阈值。