Мне нужно реализовать наивный байесовский классификатор и построить кривую ROC для
1) only 2 classes(Trousers and pullovers) out of 10 classes of the [FMNIST][1] dataset and then
2) second for all the ten classes without using scikit library and just basic matplotlib, pandas libraries from scratch.
Я успешно реализовал наивный байесовский классификатор для обоих случаев, но я не могу понять, как реализовать кривую ROC, поскольку для этого требуется установить пороговое значение. Наивный байесовский классификатор просто использует правдоподобие и до получения постериодов для дискретных распределений, а значения признаков являются значениями RGB (0-255), которые преобразуются в двоичную форму с использованием порогового значения 127 (количество объектов в тестовом образце составляет 28 * 28 = 784). Я думаю, что для 10 классов мне нужно построить 10 кривых, взяв один из классов за положительный, а остальные за другим.
Мой классификатор предсказывает класс для тестовой выборки на основе максимума апостериорных вероятностей для всех классов. Но я не могу понять, как я могу определить порог и как построить кривую ROC. Я просмотрел некоторые из стековых потоков и другие ссылки, но не смог понять. Пожалуйста, объясните, как я новичок в машинном обучении.