假阳性率(FPR):假阳性率表示在所有实际为负类的样本中,错误预测为正类的比例。它的计算公式为: [ FPR = \frac{FP}{FP + TN} ] 提高TPR可能会导致FPR上升,因此在模型评估中需要同时考虑TPR和FPR的变化,通常通过绘制ROC曲线来观察二者的权衡。 F1-score:F1-score是精确率和TPR的调和平均值,旨在平衡二者。其...
TPR=TP/(TP+FN) FPR=FP/(FP+TN) 在verification的场景下,真实的P指照片对属于同一个人,N指照片对不属于同一个人,TP/FN和FP/TN的分野是距离或者相似度的阈值。 在identification的场景下,P和N是什么呢?TP/FN和FP/TN的分野又是什么呢?确实有点反直觉。 真实的P和N是客观事实,是不依赖于模型和测试而存...
#Fβ-score：β值的不同体现了对查全率和查准率的不同倾向
ROC曲线的全称为Receiver Operating Characteristic Curve,中文翻译过来为受试者工作特征曲线,由于可以反映模型在选取相同阈值或不同阈值时候的模型敏感性和准确性的走向,也将该曲线称为感受性曲线(sensitivity curve)。接下来我们来看图[派对R][派对R]横坐标1-Specificity(FPR)是特异性,即假阳性率(False Positive Rate,...