learning
/
DeepLearning-500-questions
mirror of https://github.com/scutan90/DeepLearning-500-questions.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity

Merge pull request #344 from CoderOverflow/patch-3 

2.16.13 如何计算TPR，FPR？ 内容修订
This commit is contained in:
scutan90 2019-04-13 14:04:01 +08:00 committed by GitHub
parent 7fd8000792 e78f6de376
commit 11a6d75bcc
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 2 additions and 5 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

7
ch02_机器学习基础/第二章_机器学习基础.md
View File

@ -1182,7 +1182,6 @@ y_true = [0, 0, 1, 1]；scores = [0.1, 0.4, 0.35, 0.8]；
scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [1, 1, 1, 1]； scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [1, 1, 1, 1]；
正例与反例信息如下： 正例与反例信息如下：
| 真实值\预测值 | | |
| ------------- | ---- | ---- | | ------------- | ---- | ---- |
| | 正例 | 反例 | | | 正例 | 反例 |
| 正例 | TP=2 | FN=0 | | 正例 | TP=2 | FN=0 |
@ -1192,10 +1191,9 @@ scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [1, 1, 1, 1]
TPR = TP/(TP+FN) = 1； FPR = FP/(TN+FP) = 1； TPR = TP/(TP+FN) = 1； FPR = FP/(TN+FP) = 1；
当截断点为0.35时： 当截断点为0.35时：
scores = [0.1, 0.4, 0.35, 0.8];y_true = [0, 0, 1, 1];y_pred = [0, 1, 1, 1]; scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [0, 1, 1, 1];
正例与反例信息如下： 正例与反例信息如下：
| 真实值\预测值 | | |
| ------------- | ---- | ---- | | ------------- | ---- | ---- |
| | 正例 | 反例 | | | 正例 | 反例 |
| 正例 | TP=2 | FN=0 | | 正例 | TP=2 | FN=0 |
@ -1208,7 +1206,6 @@ TPR = TP/(TP+FN) = 1； FPR = FP/(TN+FP) = 0.5；
scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [0, 1, 0, 1]； scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [0, 1, 0, 1]；
正例与反例信息如下： 正例与反例信息如下：
| 真实值\预测值 | | |
| ------------- | ---- | ---- | | ------------- | ---- | ---- |
| | 正例 | 反例 | | | 正例 | 反例 |
| 正例 | TP=1 | FN=1 | | 正例 | TP=1 | FN=1 |
@ -1222,7 +1219,6 @@ scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [0, 0, 0, 1]
正例与反例信息如下： 正例与反例信息如下：
| 真实值\预测值 | | |
| ------------- | ---- | ---- | | ------------- | ---- | ---- |
| | 正例 | 反例 | | | 正例 | 反例 |
| 正例 | TP=1 | FN=1 | | 正例 | TP=1 | FN=1 |
@ -1230,6 +1226,7 @@ scores = [0.1, 0.4, 0.35, 0.8]；y_true = [0, 0, 1, 1]；y_pred = [0, 0, 0, 1]
由此可得： 由此可得：
TPR = TP/(TP+FN) = 0.5； FPR = FP/(TN+FP) = 0； TPR = TP/(TP+FN) = 0.5； FPR = FP/(TN+FP) = 0；
4、根据TPR、FPR值，以FPR为横轴，TPR为纵轴画图。 4、根据TPR、FPR值，以FPR为横轴，TPR为纵轴画图。
### 2.16.14 如何计算AUC？ ### 2.16.14 如何计算AUC？