我想根据支持向量机分类器等评估我的 KNN，其中 K = 1 分类器，但我不确定我计算 ROC 图的方式是否正确。分类器是为两类问题（正类和负类）构建的。
如果我理解正确，要计算 K=20 的 KNN 的 ROC，要获得图上的第一个点，我们将获得测试样本的真阳性和假阳性值，其中 20 个最近邻中的 1 个或多个是积极的阶级。为了获得第二点，我们评估测试样本的真阳性和假阳性值，其中 20 个最近邻中的 2 个或更多是阳性类。重复此操作，直到阈值达到 20 个最近邻居中的 20 个。
对于 K=1 的情况，ROC 曲线是否只是在图上只有 1 个点？有没有更好的方法来计算 1NN 案例的 ROC？我们如何才能公平地评估 1NN 分类器对 SVM 分类器的性能？我们只能在 1NN 分类器的单个误报值上比较分类器的性能吗？