как оценить кривую ROC для полиномиальной модели

Question

Я хочу оценить кривую ROC и AUC модели Multinomial Logistic Regression с тремя уровнями. у меня есть этот код:

Y: «1», «2» и «3»

model<-multinom(Y ~.,data = train)

predic1<-predict(model,newdata = test[,-1], type = 'prob')

library('ROCR')
pred  <-  ROCR::prediction(predic1,factor(test$Y))
plot(ROCR::performance(pred, measure="tpr" , x.measure="fpr"),
     xlab='False Positive Rate',
     ylab='True Positive Rate')
(AUC <- (attributes(ROCR::performance(pred, measure="auc"))$y.value[[1]][[1]][1]))

строка:

"pred  <-  ROCR::prediction(predic1,factor(test$Y))" 

выдает эту ошибку:

Error in ROCR::prediction(predic1, factor(test$Y)) : 
  Number of cross-validation runs must be equal for predictions and labels.

Любое предположение, можно оценить кривую ROC для полиномиальной модели.