Betriebseigenschaften des EmpfängersEs handelt sich um einen Testindikator für den System-Matching-Algorithmus. Es handelt sich um eine Beziehung zwischen dem Übereinstimmungsscore-Schwellenwert, der Falscherkennungsrate und der Ablehnungsrate. Es spiegelt das Gleichgewicht zwischen der Ablehnungsrate und der Falscherkennungsrate des Erkennungsalgorithmus bei verschiedenen Schwellenwerten wider.
Wahre Kategorie
Die Prognose ist positiv
Vorhersage ist negativ
Positives Beispiel
TP (True Positive)
FN (Falsch-Negativ-Beispiel)
Gegenbeispiel
FP (Falsch-Positiv)
TN (wahres Gegenbeispiel)
Die ROC-Kurve ist ein Kurvendiagramm mit der Falsch-Positiv-Rate FPR als horizontale Achse und der Wahr-Positiv-Rate TPR als vertikale Achse und ist wie folgt definiert:
TPR: Das Verhältnis der Proben, die korrekt als positiv beurteilt wurden, zu allen Proben, die tatsächlich positiv sind. TPR = TP / ( TP + FN )
FPR: Das Verhältnis der Proben, die fälschlicherweise als positiv beurteilt werden, zu allen Proben, die tatsächlich negativ sind. FPR = FP / ( FP + TN )
Mit der ROC-Kurve kann die mittlere durchschnittliche Präzision berechnet werden. Dabei handelt es sich um die durchschnittliche Genauigkeit, die durch Ändern des Schwellenwerts zur Auswahl des besten Ergebnisses erreicht wird. Generell gilt: Je näher die Kurve an der oberen linken Ecke liegt, desto besser ist der Klassifikatoreffekt.
