Ի՞նչ են TPR և FPR-ը: Ինչպե՞ս են դրանք կապված ճշգրտության և recall-ի հետ։

TPR (Աստիճան ճշմարիտ դրականների) և FPR (Ավերածական դրականների հարաբերակցություն) մետրիկներ են, որոնք օգտագործվում են երկկողմ դասակարգման որակը գնահատելու համար:

• TPR (զգայունություն, recall) — ճիշտ կանխատեսված դրական դեպքերի մասնաբաժինը բոլոր իրական դրականների նկատմամբ:

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

• FPR — սխալ կանխատեսված դրական դեպքերի մասնաբաժինը բոլոր իրական բացասականների նկատմամբ:

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

Այստեղ TP-ն իրական դրականներն են, FP-ն կեղծ դրականները, FN-ն կեղծ բացասականները, TN-ն իրական բացասականներն են:

Հստակություն — ճիշտ կանխատեսված դրական դեպքերի մասնաբաժինը բոլոր կանխատեսված դրականների նկատմամբ:

[ Հստակություն = \frac{TP}{TP + FP} ]

Նրանց միջև կապը:

• Recall և TPR սինոնիմներ են:
• Հստակությունն ու recall օգնում են հասկանալ դասակարգման ամբողջականության և ճշգրտության միջև հավասարակշռությունը:

Օրինակ: Եթե մոդելը հաճախ սխալ կերպով դասակարգում է բացասական օբյեկտները որպես դրական (բարձր FPR), հստակությունը ընկնում է, քանի որ FP շատ է: Եթե մոդելը շատ դրական է բաց թողնում (նվազ TPR/recall), ամբողջականությունը suffers։