Mis on TPR ja FPR? Kuidas nad on seotud täpsuse ja recall'iga?

TPR (Tõeline Positiivne Määr) ja FPR (Vale Positiivne Määr) on mõõdikud, mida kasutatakse binomilise klassifikatsiooni kvaliteedi hindamiseks.

• TPR (sensitiivsus, recall) — õigesti ennustatud positiivsete juhtude osakaal kõigist tegelikest positiivsetest:

  [ TPR = \frac{TP}{TP + FN} ]

• FPR — valesti ennustatud positiivsete juhtude osakaal kõigist tegelikest negatiivsetest:

  [ FPR = \frac{FP}{FP + TN} ]

Siin TP on tõelised positiivsed, FP on valed positiivsed, FN on valed negatiivsed, TN on tõelised negatiivsed.

Täpsus — õigesti ennustatud positiivsete juhtude osakaal kõigist ennustatud positiivsetest:

[ Täpsus = \frac{TP}{TP + FP} ]

Nende vahel on seos:

• Recall ja TPR on sünonüümid.
• Täpsus ja recall aitavad mõista tasakaalu klassifikatsiooni täielikkuse ja täpsuse vahel.

Näide: Kui mudel sageli eksib negatiivseid objekte positiivseteks klassifitseerides (kõrge FPR), siis täpsus langeb, kuna FP on palju. Kui mudel jätab paljusid positiivseid välja (madal TPR/recall), kannatab täielikkus.