真率 TPR は、実際の陽性サンプル数に対する陽性サンプル予測結果の数の比率です。

二項分類問題の概念

バイナリ分類問題の場合、サンプルは、真のカテゴリと学習者の予測カテゴリの組み合わせに応じて、真陽性、偽陽性、真陰性、偽陰性の状況の 4 つのカテゴリに分類できます。

このうち、True と False は結果が正しいかどうかを判断するために使用され、Positive と Negative は陽性クラスと陰性クラスが陽性であるかどうかを判断するために使用されます。サンプルの総数 = TP + FP + であることがわかります。 TN+FN

真のレートの意味

真の症例率の計算式は、TPR = TP / ( TP + FN ) です。

正しく検出された場合の陽性クラス率の割合を表します。TPR と FPR を同じグラフに置くと、ROC 曲線が得られます。ROC 曲線の下の面積は、通常、モデル評価のパフォーマンス指標として使用されます。

関連ワード: 偽陽性率 FPR、ROC 曲線、真のクラス、真の陰性クラス