认假率和拒真率计算,详细举例
时间: 2023-06-05 12:07:59 浏览: 238
好的,关于认假率和拒真率的计算,一般我们使用混淆矩阵(confusion matrix)的方式。假设有一个分类器,需要区分两个类别:正类和负类。
混淆矩阵有四个元素:真正类(True Positive,TP),真负类(True Negative,TN),假正类(False Positive,FP)和假负类(False Negative,FN)。
真正类(True Positive,TP):指分类器正确地将正例样本识别为正例样本的数量。
真负类(True Negative,TN):指分类器正确地将负例样本识别为负例样本的数量。
假正类(False Positive,FP):指分类器将负例样本错误地识别为正例样本的数量。
假负类(False Negative,FN):指分类器将正例样本错误地识别为负例样本的数量。
认假率(False Acceptance Rate,FAR):指分类器错误地将负例样本识别为正例样本的比例,计算方式为 FP / (FP + TN)。
拒真率(False Rejection Rate,FRR):指分类器错误地将正例样本识别为负例样本的比例,计算方式为 FN / (TP + FN)。
举例说明:假设有1000个人需要进行身份验证,其中950个人为合法用户,50个人为非法用户。我们使用一种身份验证系统进行验证,结果验证结果如下:
- 对于合法用户,正确地识别了945个人,错误地拒绝了5个人。
- 对于非法用户,错误地识别了2个人,正确地拒绝了48个人。
根据混淆矩阵,我们可以得到如下计算结果:
- TP = 945
- TN = 48
- FP = 2
- FN = 5
根据计算公式,我们可以得到认假率(FAR)= 2 / (2 + 48) = 0.04,拒真率(FRR)= 5 / (945 + 5) = 0.005。
所以,这个身份验证系统的认假率为4%,拒真率为0.5%。