真阳率（true positive rate）、假阳率（false positive rate），AUC，ROC

科技前沿 • 2025-01-09 08:24 • 阅读 58

真阳率（true positive rate）、假阳率（false positive rate），AUC，ROC很早以前就知道这些概念了不过由于跟自己的认知习惯不一样所以碰到了还是经常会忘于是索性把这些概念总结一下以后再忘了也好找其他的文章太啰嗦了计算方法也写的不清不楚另外我也会陆续更新一些其他的机器学习相关概念和指标即是方便自己也方便他人吧注意

大家好，我是讯享网，很高兴认识大家。

注意：本文将混用正负样本和阳性(+)阴性(-)这两套说法

讯享网

真阳率、假阳率

这些概念其实是从医学那边引入到机器学习里面的，所以其思维逻辑多多少少会跟做机器学习的有点出入。我们去看病，化验单或报告单会出现（+）跟（-），其分别表型阳性和阴性。比如你去检查是不是得了某种病，阳性（+）就说明得了，阴性（-）就说明没事。
那么，这种检验到底靠不靠谱呢？科研人员在设计这种检验方法的时候希望知道，如果这个人确实得了病，那么这个方法能检查出来的概率是多少呢（真阳率）？如果这个人没有得病，那么这个方法误诊其有病的概率是多少呢（假阳率）？
具体来说，看下面这张表（摘自百度百科）：
真阳率、假阳率示意图