看来您正在寻找多类 ROC 分析，这是ICML'04教程中介绍的一种多目标优化。就像在几个多类问题中，想法一般是进行成对比较（一个类与所有其他类，一个类与另一类，参见（1）或统计学习要素），最近有一个Landgrebe 和 Duin 关于该主题的论文，通过成对分析近似多类 ROC，模式识别快报 2007 28:1747-1758。现在，出于可视化目的，我前段时间看过一些论文，其中大多数是在 ROC 曲面(VUS) 或蛛网图下翻转体积。

但是，我不知道是否存在这些方法的 R 实现，尽管我认为该stars()函数可能用于蜘蛛网图。我刚刚遇到了一个似乎提供多类 ROC 分析的 Matlab 工具箱PRSD Studio。

其他可能对可视化/计算有用的论文：

• 多类 ROC 曲面的可视化
• ROC 下区域到多类域的简化扩展

参考文献：
1. Allwein, EL, Schapire, RE 和 Singer, Y. (2000)。将多类减少为二进制：边距分类器的统一方法。机器学习研究杂志，1：113–141。

我最近在 R 中发现了这个pROC 包，它使用Hand and Till (2001)指定的技术绘制了一个多类 ROC。您可以使用 multiclass.roc 函数。

这里的答案非常完整，但我仍然想添加我的 5 美分。在这个问题中，您可以找到使用 One-Vs-All 方法和ROCR R 库生成 ROC 曲线的 R 代码示例。

这是该答案的情节：

您需要指定您的分类器作为一对一休息，然后您可以绘制单独的 ROC 曲线。有一个方便的库可以在没有太多工作的情况下在 python 中完成，称为yellowbrick.

查看带有最小可重现示例的文档。

结果看起来像这样（来源）