混淆矩陣中的誤報率

Question

我試圖手動計算給定數據的 TPR 和 FPR。 但不幸的是，我的數據集中沒有任何誤報案例，甚至沒有真正的正面案例。 所以我被熊貓除以零錯誤。 所以我有一個直覺，fpr=1-tpr。 如果不知道如何解決此問題，請告訴我我的直覺是正確的。

謝謝

Answer 1

這是獲得混淆矩陣后可以執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

如果無論您的輸入是什么，您的預測總是積極的，那么 FPR = 1 和 TPR = 1 是可能的。

TPR = 1 意味着我們正確預測了所有的積極因素。 FPR = 1 相當於當條件為負時總是預測為正。

提醒一句：

• FPR = 1 - TNR = [假陽性] / [陰性]
• TPR = 1 - FNR = [真陽性] / [陽性]