Caractéristiques de fonctionnement du récepteurIl s'agit d'un indicateur de test de l'algorithme de correspondance du système. Il s’agit d’une relation entre le seuil de score de correspondance, le taux de fausse reconnaissance et le taux de rejet. Il reflète l’équilibre entre le taux de rejet et le taux de fausse reconnaissance de l’algorithme de reconnaissance à différents seuils.
Catégorie vraie
La prédiction est positive
La prédiction est négative
Exemple positif
TP (vrai positif)
FN (Exemple de faux négatif)
Contre-exemple
FP (faux positif)
TN (Vrai contre-exemple)
La courbe ROC est un graphique courbe avec le taux de faux positifs FPR comme axe horizontal et le taux de vrais positifs TPR comme axe vertical, et est définie comme suit :
TPR : Le rapport des échantillons qui sont correctement jugés comme positifs parmi tous les échantillons qui sont réellement positifs. TPR = TP / ( TP + FN )
FPR : Le rapport entre les échantillons jugés à tort comme positifs et tous les échantillons qui sont en réalité négatifs. FPR = FP / ( FP + TN )
La courbe ROC peut être utilisée pour calculer la précision moyenne, qui est la précision moyenne obtenue en modifiant le seuil pour sélectionner le meilleur résultat. En règle générale, plus la courbe est proche du coin supérieur gauche, meilleur est l’effet du classificateur.
