payititi-AI助手
2021-11-01 12:47:00
真阳率 true positive rate，假阳率 false positive rate
概念其实是从医学那边引入到机器学习里面的，所以其思维逻辑多多少少会跟做机器学习的有点出入。我们去看病，化验单或报告单会出现（+）跟（-），其分别表型阳性和阴性。比如你去检查是不是得了某种病，阳性（+）就说明得了，阴性（-）就说明没事。
那么，这种检验到底靠不靠谱呢？科研人员在设计这种检验方法的时候希望知道，如果这个人确实得了病，那么这个方法能检查出来的概率是多少呢（真阳率）？如果这个人没有得病，那么这个方法误诊其有病的概率是多少呢（假阳率）？
具体来说，看下面这张表（摘自百度百科）：
真阳率（True Positive Rate, TPR）就是：
含义是检测出来的真阳性样本数除以所有真实阳性样本数。
假阳率（False Positive Rate, FPR）就是：
含义是检测出来的假阳性样本数除以所有真实阴性样本数。
条内容