Tpr fpr意思

TP (True Positive) 和 FP (False Positive) 是統計學和機器學習中常用的術語,它們通常用於評估分類模型的性能。

TP(True Positive)表示的是真正例,也就是說模型正確地預測了正類。例如,在疾病診斷中,TP表示模型正確地預測了某人患有某種疾病。

FP(False Positive)表示的是假正例,也就是說模型錯誤地預測了正類。例如,在疾病診斷中,FP表示模型錯誤地預測了某人患有某種疾病,但實際上並沒有。

PR(Precision)和 FPR(False Positive Rate)是兩個相關的概念:

Precision(精確率)是模型預測的正類中真正例的比例,計算公式為: Precision = TP / (TP + FP)

False Positive Rate(假正例率)是模型預測的正類中假正例的比例,計算公式為: FPR = FP / (FP + TN)

其中,TN(True Negative)表示的是真反例,即模型正確地預測了負類。

在評估分類模型時,通常會同時考慮精確率和召回率(Recall),後者是真正例在所有實際正類中的比例,計算公式為: Recall = TP / (TP + FN)

其中,FN(False Negative)表示的是假反例,即模型錯誤地預測了負類。

通過這些指標,我們可以更全面地了解模型的性能,並據此進行模型的最佳化和改進。