【漫话机器学习系列】057.误报率（Flase Positive Rate, FPR）

误报率（False Positive Rate, FPR）

定义

误报率（False Positive Rate，FPR）是衡量分类模型错误预测的一项指标，表示 负例被错误预测为正例的比例。在分类问题中，FPR主要用于评估模型在区分负例时的表现，是模型性能评估的重要指标之一，尤其是在ROC曲线的计算中。

---

公式

误报率的计算公式为：

参数说明：

• FP（False Positive）：假正例，实际为负例但被模型错误预测为正例的样本数量。
• TN（True Negative）：真负例，实际为负例且被模型正确预测为负例的样本数量。

FPR可以看作是 假警报率，表示所有实际为负例的样本中，有多少被错误地预测成了正例。

---

性质

1. 范围