Mi az a TPR és FPR? Hogyan kapcsolódnak a precízióhoz és a recallhez?

A TPR (Igaz Pozitív Arány) és az FPR (Hamis Pozitív Arány) olyan metrikák, amelyeket a bináris osztályozás minőségének értékelésére használnak.

• TPR (érzékenység, recall) — a helyesen előre jelzett pozitív esetek aránya az összes valódi pozitívhoz képest:

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

• FPR — a tévesen előre jelzett pozitív esetek aránya az összes valódi negatívhoz képest:

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

Itt TP a valódi pozitív, FP a hamis pozitív, FN a hamis negatív, TN a valódi negatív.

Pontosság — a helyesen előre jelzett pozitív esetek aránya az összes előre jelzett pozitívhoz képest:

[ Pontosság = \frac{TP}{TP + FP} ]

Közöttük a kapcsolat:

• A recall és a TPR szinonimák.
• A pontosság és a recall segít megérteni a kiegyensúlyozottságot a teljesség és a pontosság között a osztályozásban.

Példa: Ha a modell gyakran tévesen negatív objektumokat pozitívnak osztályoz (magas FPR), a pontosság csökken, mivel sok FP van. Ha a modell sok pozitívot hagy ki (alacsony TPR/recall), a teljesség szenved.