Fpr意思

FPR（False Positive Rate）是統計學和機器學習中的一個概念，表示的是假陽性率。在分類問題中，假陽性率是指模型將實際屬於負類（未發生事件）的樣本錯誤地分類為正類（發生事件）的比例。

假陽性率通常用於評估分類器的性能，尤其是在進行二分類任務時（如區分正常和異常行為、有病和無病等）。一個完美的分類器應該能夠正確地區分正負樣本，即具有較高的準確率。然而，在實際套用中，分類器往往會產生誤差，包括假陽性和假陰性。

假陽性率（FPR）的計算公式為：

FPR = 假陽性樣本數 / (假陽性樣本數 + 真陰性樣本數)

其中，假陽性樣本數是指被錯誤地分類為正類的負類樣本數，真陰性樣本數是指被正確地分類為負類的負類樣本數。

在接收者操作特徵曲線（ROC曲線）中，假陽性率通常作為橫坐標，真陽性率（TPR，True Positive Rate）作為縱坐標。通過繪製不同閾值下的點，可以得到一條曲線，這條曲線可以用來評估分類器的性能。通常，FPR越低，說明分類器對負類樣本的分類效果越好，誤報率越低。