我已经实现了一个贝叶斯分类器，并想从中计算出 ROC 曲线。
这是所述分类器的输出示例：
[
{'Iris-setosa': 159.59402133044196, 'Iris-versicolor': 3.1751167398240588e-15},
{'Iris-setosa': 78.24440486899594, 'Iris-versicolor': 1.9462819093548923e-14},
{'Iris-setosa': 91.99607847059329, 'Iris-versicolor': 1.5681323539729785e-15},
{'Iris-setosa': 94.24039229666474, 'Iris-versicolor': 1.8200451769394833e-14},
{'Iris-setosa': 204.1159213836971, 'Iris-versicolor': 1.2763875114772289e-15},
{'Iris-setosa': 5.0816780545263175e-96, 'Iris-versicolor': 12.252155582492728},
{'Iris-setosa': 2.191493397446114e-89, 'Iris-versicolor': 13.872315785496196},
{'Iris-setosa': 1.6254340505561855e-108, 'Iris-versicolor': 12.509989608986235},
{'Iris-setosa': 3.5701155884291504e-62, 'Iris-versicolor': 14.416842233312911},
{'Iris-setosa': 3.1239778250801393e-94, 'Iris-versicolor': 45.08800695873765}
]
我的算法输出每个实例上两个类的概率密度，我不完全确定我应该如何将它变成曲线。
根据我的理解，我应该首先计算一个贝叶斯最优图，然后使用它来创建我将用来实现我的 ROC 曲线的混淆矩阵。
这是我应该遵循的创建曲线的过程吗？如果是，我不明白如何计算贝叶斯最优图，有人可以向我解释我应该如何继续或指导我找到可以帮助我理解的文档吗？