混淆矩阵中的误报率

Question

我试图手动计算给定数据的 TPR 和 FPR。 但不幸的是，我的数据集中没有任何误报案例，甚至没有真正的正面案例。 所以我被熊猫除以零错误。 所以我有一个直觉，fpr=1-tpr。 如果不知道如何解决此问题，请告诉我我的直觉是正确的。

谢谢

Answer 1

这是获得混淆矩阵后可以执行的操作的完整列表。

import numpy as np

print(cnf_matrix)

array([[13,  0,  0],
       [ 0, 10,  6],
       [ 0,  0,  9]])

FP = cnf_matrix.sum(axis=0) - np.diag(cnf_matrix)  
FN = cnf_matrix.sum(axis=1) - np.diag(cnf_matrix)
TP = np.diag(cnf_matrix)
TN = cnf_matrix.sum() - (FP + FN + TP)

FP = FP.astype(float)
FN = FN.astype(float)
TP = TP.astype(float)
TN = TN.astype(float)


# Sensitivity, hit rate, recall, or true positive rate
TPR = TP/(TP+FN)
# Specificity or true negative rate
TNR = TN/(TN+FP) 
# Precision or positive predictive value
PPV = TP/(TP+FP)
# Negative predictive value
NPV = TN/(TN+FN)
# Fall out or false positive rate
FPR = FP/(FP+TN)
# False negative rate
FNR = FN/(TP+FN)
# False discovery rate
FDR = FP/(TP+FP)

# Overall accuracy
ACC = (TP+TN)/(TP+FP+FN+TN)

Answer 2

如果无论您的输入是什么，您的预测总是积极的，那么 FPR = 1 和 TPR = 1 是可能的。

TPR = 1 意味着我们正确预测了所有的积极因素。 FPR = 1 相当于当条件为负时总是预测为正。

提醒一句：

• FPR = 1 - TNR = [假阳性] / [阴性]
• TPR = 1 - FNR = [真阳性] / [阳性]