Richtig-Positiv-Rate TPR ist das Verhältnis der Anzahl positiver Probenvorhersageergebnisse zur tatsächlichen Anzahl positiver Proben.

Das Konzept des binären Klassifizierungsproblems

Für das Problem der binären Klassifizierung können die Proben entsprechend der Kombination ihrer wahren Kategorien und der vom Lernenden vorhergesagten Kategorien in vier Kategorien unterteilt werden, nämlich wahr positiv, falsch positiv, wahr negativ und falsch negativ.

Unter ihnen werden „Wahr“ und „Falsch“ verwendet, um zu beurteilen, ob das Ergebnis richtig ist oder nicht, und „Positiv“ und „Negativ“ werden verwendet, um zu beurteilen, ob es positiv oder negativ ist. Daher ist die Gesamtzahl der Proben = TP + FP + TN + FN

Die Bedeutung der tatsächlichen Fallzahl

Die True-Positive-Rate wird wie folgt berechnet: TPR = TP / (TP + FN)

Es stellt den Anteil der Positivrate an der korrekten Erkennung dar. Wenn Sie TPR und FPR in dasselbe Diagramm einfügen, erhalten Sie die ROC-Kurve, und der Bereich unter der ROC-Kurve ist AUC. ROC und AUC werden üblicherweise als Leistungsmetriken bei der Modellbewertung verwendet.

Verwandte Begriffe: False Positive Rate (FPR), ROC-Kurve, True Positive Class, True Negative Class