3) 根据混淆矩阵计算出真正率TPR、假负率、假正率FPR、真负率
时间: 2023-07-10 13:43:03 浏览: 140
根据混淆矩阵,我们可以计算出真正率(True Positive Rate,TPR)、假负率(False Negative Rate,FNR)、假正率(False Positive Rate,FPR)以及真负率(True Negative Rate,TNR),它们的计算公式如下:
- TPR = TP / (TP + FN)
- FNR = FN / (TP + FN)
- FPR = FP / (FP + TN)
- TNR = TN / (FP + TN)
其中,TP 表示真正例(True Positive)、FN 表示假反例(False Negative)、FP 表示假正例(False Positive)、TN 表示真反例(True Negative)。
示例代码如下:
```
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_verify, y_pred)
tp = cm[1, 1]
fn = cm[1, 0]
fp = cm[0, 1]
tn = cm[0, 0]
tpr = tp / (tp + fn)
fnr = fn / (tp + fn)
fpr = fp / (fp + tn)
tnr = tn / (fp + tn)
print("真正率TPR为:", tpr)
print("假负率FNR为:", fnr)
print("假正率FPR为:", fpr)
print("真负率TNR为:", tnr)
```
其中 y_verify 是验证集的真实标签,y_pred 是模型在验证集上的预测结果。输出结果为 TPR、FNR、FPR、TNR 的值。