如何计算假阳性率和假阴性率百分比？

Question

我计算了假阳性率和假阴性率。我正在使用这些技巧：

cnf_matrix=confusion_matrix(Ytest, y_pred)

print(cnf_matrix)

FP = cnf_matrix.sum(axis=0) - np.diag(cnf_matrix)
FN = cnf_matrix.sum(axis=1) - np.diag(cnf_matrix)
TP = np.diag(cnf_matrix)
TN = cnf_matrix.sum() - (FP + FN + TP)

FP = FP.astype(float)
print('FP: '+str(FP))
FN = FN.astype(float)
print('Fn: '+str(FN))
TP = TP.astype(float)
print('FN: '+str(FN))
TN = TN.astype(float)
print('TN: '+str(TN))
# false positive rate
FPR = FP/(FP+TN)
print('FPR: '+str(FPR))
# False negative rate
FNR = FN/(TP+FN)
print('FNR: '+str(FNR))

我得到了这些向量：

^{pr2}$

但是，我只需要得到一个值，而不是一个向量。 怎么弄到的？在

Answer 1

对于多类分类，您的代码似乎是正确的。向量只是给出了这三个类的FPR和FNR。因为每个类的FPR和FNR不同。如果您只对一个类的FPR/FNR感兴趣，那么您可以通过给出索引来访问该分数

print('FNR: '+str(FNR[0]))   #FNR for 1st class will be at index 0

另一方面，对于二进制分类，我认为最好使用scikit learn的函数来计算这些值。在

• FPR=1-TNR和TNR=特异性

• FNR=1-TPR和TPR=recall

然后，可以计算FPR和FNR，如下所示：

^{pr2}$