混淆矩阵的真正率、假正率，假负率，真负率

 

True Positive （真正, TP）被模型预测为正的正样本；

True Negative（真负 , TN）被模型预测为负的负样本 ；

False Positive （假正, FP）被模型预测为正的负样本；

False Negative（假负 , FN）被模型预测为负的正样本；

一）

真正率（ True Positive Rate, TPR）或灵敏度（sensitivity） 
TPR = TP /（TP + FN） 
正样本预测结果数 / 正样本实际数 

二）

真负率（True Negative Rate , TNR）或特指度（specificity） 
TNR = TN /（TN + FP） 
负样本预测结果数 / 负样本实际数

三）

假正率 （False Positive Rate, FPR） 
FPR = FP /（FP + TN） 
被预测为正的负样本结果数 /负样本实际数

四）

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

举个例子

 

 

参考

一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC/AUC - AIQ (6aiq.com)