Tpr fpr意思

TP (True Positive) 和 FP (False Positive) 是統計學和機器學習中常用的術語，它們通常用於評估分類模型的性能。

TP（True Positive）表示的是真正例，也就是說模型正確地預測了正類。例如，在疾病診斷中，TP表示模型正確地預測了某人患有某種疾病。

FP（False Positive）表示的是假正例，也就是說模型錯誤地預測了正類。例如，在疾病診斷中，FP表示模型錯誤地預測了某人患有某種疾病，但實際上並沒有。

PR（Precision）和 FPR（False Positive Rate）是兩個相關的概念：

Precision（精確率）是模型預測的正類中真正例的比例，計算公式為： Precision = TP / (TP + FP)

False Positive Rate（假正例率）是模型預測的正類中假正例的比例，計算公式為： FPR = FP / (FP + TN)

其中，TN（True Negative）表示的是真反例，即模型正確地預測了負類。

在評估分類模型時，通常會同時考慮精確率和召回率（Recall），後者是真正例在所有實際正類中的比例，計算公式為： Recall = TP / (TP + FN)

其中，FN（False Negative）表示的是假反例，即模型錯誤地預測了負類。

通過這些指標，我們可以更全面地了解模型的性能，並據此進行模型的最佳化和改進。