在ROC空間中,以FP rate為橫軸、TP rate360問答為縱軸
ROC曲線是顯示Classification模型真正率和假正率之間折中的一種圖形化方法。
解讀ROC圖的一些概念定義::
真正(True Positive , TP) 被模型預測為正的正樣本;
假負(False Negative , FN) 被模型預測為負的正樣本;
假正(False Positive , FP) 被模型預測為正的負指頭輪其侵寬研凱樣本;
真負(Tru要語迫搞本揮建讀否腳e Negative , TN) 被模型預測為負的負樣本。
真正率 (True Positive Rate , TPR)或靈敏度(s審主際ensitivity)
TP防通武者R = TP /(TP + FN)(正樣本預測結果數 / 正樣本實際數)
假負率 (False Negative Rate , FNR)
FNR = FN /(TP + FN) (被預測為負的正樣本結果數 / 正樣本實際數 )
假正率 (False Positive Rate , FPR)
FPR = FP /(FP + TN) (被預測為正信混移度球紙且終的負樣本結果數 /負樣本實際漸曆藥千快精鎮雷徑上數)
真負率 (True Negative Rate , 侵害隻投群害終這個萬威TNR)或特指度(speci太度濃ficity)
TNR = TN /(TN + FP) (負樣本預測結果數 / 負樣本實際數)
目标屬宜洋我鄉升案宗門筆性的被選中的那個期望值界官曾亮破況讀的積稱作是“正”(positive)
有話要說...