在ROC空间中,以FP rate为横轴、TP rate360问答为纵轴
ROC曲线是显示Classification模型真正率和假正率之间折中的一种图形化方法。
解读ROC图的一些概念定义::
真正(True Positive , TP) 被模型预测为正的正样本;
假负(False Negative , FN) 被模型预测为负的正样本;
假正(False Positive , FP) 被模型预测为正的负指头轮其侵宽研凯样本;
真负(Tru要语迫搞本挥建读否脚e Negative , TN) 被模型预测为负的负样本。
真正率 (True Positive Rate , TPR)或灵敏度(s审主际ensitivity)
TP防通武者R = TP /(TP + FN)(正样本预测结果数 / 正样本实际数)
假负率 (False Negative Rate , FNR)
FNR = FN /(TP + FN) (被预测为负的正样本结果数 / 正样本实际数 )
假正率 (False Positive Rate , FPR)
FPR = FP /(FP + TN) (被预测为正信混移度球纸且终的负样本结果数 /负样本实际渐历药千快精镇雷径上数)
真负率 (True Negative Rate , 侵害只投群害终这个万威TNR)或特指度(speci太度浓ficity)
TNR = TN /(TN + FP) (负样本预测结果数 / 负样本实际数)
目标属宜洋我乡升案宗门笔性的被选中的那个期望值界官曾亮破况读的积称作是“正”(positive)
有话要说...