识别指标TP、FP、FN、TN、TPR、FPR举例理解

举个例子：

假定有10个人，5个男人分别是a1,a2,a3,a4,a5。5个女人：b1,b2,b3,b4,b5。然后对其进行和男人相似度的分类

人名 是男人的概率 真实
a1 90% 男人
a2 80% 男人
a3 70% 男人
a4 60% 男人
a5 50% 男人
b1 40% 女人
b2 30% 女人
b3 20% 女人
b4 10% 女人
b5 0% 女人

现在按照一个标准（70%）来分类（预测），大于等于70%的为正例（是男人），小于70%的为负例（不是男人）。

是男人的概率 真实 预测 分类 正负例
a1 90% 男人 男人 >=70%
a2 80% 男人 男人 >=70%
a3 70% 男人 男人 >=70%
a4 60% 男人 女人 <70%
a5 50% 男人 女人 <70%
b1 40% 女人 女人 <70%
b2 30% 女人 女人 <70%
b3 20% 女人 女人 <70%
b4 10% 女人 女人 <70%
b5 0% 女人 女人 <70%

根据下表：

样本 预测值 真实值
真正例（True Positive，TP） 1 1
假正例（False Positive，FP） 1 0
真负例（True Negative，TN） 0 0
假负例（False Negative，FN） 0 1
指标名称 指标别名 公式 注释
TPR （True Positive Rate） 真正例率，召回率，灵敏性 TPR=TPTP+FNTPR = \frac{TP}{TP+FN}TPR=TP+FNTP​ 在所有实际为阳性的样本中，被正确地判断为阳性之比率
FPR （True Positive Rate） 假正例率 FPR=FPFP+TNFPR = \frac{FP}{FP+TN}FPR=FP+TNFP​ 在所有实际为阴性的样本中，被错误地判断为阳性之比率。
Precision 准确率 Precision=TPTP+FPPrecision = \frac{TP}{TP+FP}Precision=TP+FPTP​ 预测为正样本中，预测正确的比例
F1 f1值 F1=2×Precision×TPRPrecision+TPRF1 = \frac{2\times Precision\times TPR }{Precision+TPR }F1=Precision+TPR2×Precision×TPR​ 用来衡量precision和recall的值，它是这个两个值的调和均值,f1值越大，证明阈值越好。

根据上表计算得到：
TPR=60%
FPR=0%
Precision=100%
f1 = 0.75

Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

Python学习——安装配置python环境+入门_python安装

Python 是一种广泛使用的高级编程语言，由 Guido van Rossum 于 1991 年首次发布。它设计的哲学强调代码的可读性、简洁和易用。Python 支持多种编程范式，包括面向对象、结构化编程以及功能编程。这使得 Python 成为数据科学、Web 开发、自动化测试、人工智能等多个领域的首选语言。Python 的语法简单且易学，即使你是编程新手，也能在短时间内掌握并开始编写程序。Py

avatar 讯飞AI开发者社区

大数据在物流行业的使用

大数据已经将物流从一个“黑盒”状态转变为一个高度透明、可预测、可优化的智能网络。它不再仅仅是辅助工具，而是成为了现代物流企业的核心竞争力和神经系统。未来的发展趋势将是与物联网、人工智能、区块链等技术更深度的融合，最终实现整个供应链的自适应、自决策和自优化，即“智慧供应链”。

avatar 讯飞AI开发者社区

第71篇：AI+能源：智能电网、新能源预测与节能优化

摘要：本文系统性地深入探讨人工智能在能源领域的革命性应用。我们首先解析智能电网（Smart Grid）的核心机制——AI如何融合实时电力数据（发电、输电、配电、用电）、气象信息、用户行为，通过强化学习（Reinforcement Learning）与优化算法（如线性规划、混合整数规划），实现电力的动态调度、供需平衡、故障预测与自愈，构建更安全、高效、弹性的电力系统。

avatar 讯飞AI开发者社区