混淆矩阵 FN/FN+TP叫什么

### 混淆矩阵中 FN/(FN+TP) 的名称及其含义

在机器学习领域，混淆矩阵中的 `FN / (FN + TP)` 被称为 **漏检率** 或者 **假阴性率（FNR, False Negative Rate）**[^3]。

#### 定义
- **漏检率（Miss Rate or False Negative Rate, FNR）**: 表示实际为正类却被错误地预测为负类的比例。该比率反映了模型未能识别出真正阳性的比例。

#### 数学表达式
\[ \text{FNR} = \frac{\text{FN}}{\text{FN}+\text{TP}} \]

其中：
- \( \text{FN} \): 假阴性数量，即实际上属于正类但被误判为负类的情况；
- \( \text{TP} \): 真阳性数量，即正确判断为正类的数量；

此度量有助于理解分类器对于正类别的检测能力不足之处，在某些应用场景下非常重要，比如医疗诊断、欺诈检测等领域。

from sklearn.metrics import confusion_matrix

def false_negative_rate(cm):
    tn, fp, fn, tp = cm.ravel()
    return fn / (fn + tp)

# 示例用法
y_true = [0, 1, 0, 1, 1]
y_pred = [0, 1, 1, 1, 0]
cm = confusion_matrix(y_true, y_pred)
print(f'False Negative Rate: {false_negative_rate(cm)}')