真正例率 TPR 是正样本预测结果数相对正样本实际数的比例。

二分类问题的概念

对于二分类问题，样例可根据其真实类别与学习器预测类别的组合分为四类，分别是真正类 True Positive 、假正类 False Positive 、真负类 True Negative 和假负类 False Negative 四种情形。

其中 True 和 False 用于判断结果的正确与否，Positive 和 Negative 用于判断正类还是负类，由此可知 样本总数 = TP + FP + TN + FN

真正例率的意义

真正例率计算式为 TPR = TP / ( TP + FN )

其表示正类率在正确检测中所占比例，将 TPR 和 FPR 放在同一张图上可以得到 ROC 曲线，而 ROC 曲线下面积即 AUC，而 ROC 和 AUC 在模型评估中通常被作为性能度量使用。

相关词：假正例率 FPR 、 ROC 曲线、真正类、真负类