如何用代码计算假正率和真正率
时间: 2023-05-31 20:03:23 浏览: 84
假正率(false positive rate)和真正率(true positive rate)是在二分类问题中常用的评价指标,可以通过如下方式计算:
假正率(FPR)= 假阳性数 / 负样本总数
真正率(TPR)= 真阳性数 / 正样本总数
其中,假阳性数指的是被错误地判定为正样本的负样本数量,真阳性数指的是被正确地判定为正样本的正样本数量。
在实际编写代码时,可以先统计出假阳性数和真阳性数,然后根据上述公式计算出假正率和真正率。具体代码如下所示:
```python
# 假阳性数和真阳性数
fp = 20 # 假阳性数
tp = 80 # 真阳性数
# 负样本总数和正样本总数
n_neg = 500 # 负样本总数
n_pos = 100 # 正样本总数
# 计算假正率和真正率
fpr = fp / n_neg
tpr = tp / n_pos
print("假正率(FPR)为:", fpr)
print("真正率(TPR)为:", tpr)
```
输出结果为:
```
假正率(FPR)为: 0.04
真正率(TPR)为: 0.8
```
这说明在分类器中,有4%的负样本被错误地判定为正样本,同时有80%的正样本被正确地判定为正样本。