Ce sunt TPR și FPR? Cum sunt legate de precizie și recall?

TPR (Rata de Pozitive True) și FPR (Rata de Pozitive False) sunt metrici utilizate pentru a evalua calitatea clasificării binare.

• TPR (sensibilitate, recall) — proporția cazurilor pozitive corect prezise din toate cazurile pozitive reale:

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

• FPR — proporția cazurilor pozitive prezise greșit din toate cazurile negative reale:

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

Aici TP sunt pozitive adevărate, FP sunt pozitive false, FN sunt negative false, TN sunt negative adevărate.

Precizia — proporția cazurilor pozitive corect prezise din toate cazurile prezise ca pozitive:

[ Precizia = \frac{TP}{TP + FP} ]

Legătura dintre ele:

• Recall și TPR sunt sinonime.
• Precizia și recall ajută la înțelegerea echilibrului între completitudine și acuratețe în clasificare.

Exemplu: Dacă modelul clasifică frecvent obiecte negative ca pozitive (FPR ridicat), precizia scade, deoarece sunt mulți FP. Dacă modelul omite multe pozitive (TPR/recall scăzut), completitudinea suferă.