tpr和fpr怎么算代码
时间: 2024-01-09 17:54:08 浏览: 32
TPR(True Positive Rate)和FPR(False Positive Rate)是机器学习中常用的评估指标之一,可以用以下代码计算:
```python
y_true = [0, 1, 1, 0, 1, 0, 0, 1] # 实际标签
y_pred = [0, 1, 0, 0, 1, 1, 0, 1] # 预测标签
tp = 0
fp = 0
tn = 0
fn = 0
for i in range(len(y_true)):
if y_true[i] == 1 and y_pred[i] == 1:
tp += 1
elif y_true[i] == 0 and y_pred[i] == 1:
fp += 1
elif y_true[i] == 0 and y_pred[i] == 0:
tn += 1
elif y_true[i] == 1 and y_pred[i] == 0:
fn += 1
tpr = tp / (tp + fn) # 计算TPR
fpr = fp / (fp + tn) # 计算FPR
print("TPR:", tpr)
print("FPR:", fpr)
```
其中,y_true表示实际标签,y_pred表示预测标签,tp表示真正例(True Positive),fp表示假正例(False Positive),tn表示真负例(True Negative),fn表示假负例(False Negative)。通过遍历每个样本,计算出tp、fp、tn、fn的值,然后就可以计算TPR和FPR了。