以A、B、C三類為例，步驟如下：
1、 測試集共m個樣本，分別計算每個樣本與對比集的cos距離（對比集由A、B、C三類構成），根據結果構建概率矩陣P[m*3]，再基於one-hot構建標簽矩陣L[m*3]；
2、 P的每一列即各樣本屬於該列對應類別的概率，則可以計算每個類別的ROC曲線和auc值；
3、 計算整體ROC曲線和auc值
（1） 方法一：macro，對n條ROC曲線取平均，即可得到最終的ROC曲線
分析：該方法不考慮類別不均衡的影響；
（2） 方法二：micro，參考下面
計算總的TP rate和FP rate，然后計算ROC曲線和auc值。
(3) 方法三：weighted，通過每個類別的TP數所占比例進行加權平均；
備注：目前sklearn.metrics.roc_auc_score(僅支持macro 和 weighted)