TN:true negtive 负样本判断正确
TP 正样本判断正确
FP 正样本判断错误
FN 负样本判断错误
TPR:True positive rate fpr = tp/(tp+fp)
在所有实际为阳性的样本中,被正确地判断为阳性之比率
ACC=(TP+TN)/(TP+TN+FP+FN)
反映的是分类器准确识别真阳性和假阴性的比率
HTER:真假人脸中各自被判断错的比例之和的一半就是HTRE。
全称half total error rate,计算方法为:
(F A R + F R R)/2
FAR是false acceptance rate, FRR是false rejection rate
AUC(Area Under Curve),是对ROC曲线的量化指标。(越接近1越好)
图下面积越大,同FPR对应的TPR越高,分类器价值越高
EER(equal error rate),也就是FPR=FNR的值,由于FNR=1-TPR,可以画一条从(0,1)到(1,0)的直线,找到交点,图中的A、B两点。