混淆矩陣(confusion matrix)相關指標
真陽(比)率 (True Positive Rate, TPR) - 我們所關心的事件(陽性)，被正確預測出的比例 同義詞：敏感度(sensitivity)、召回率(positive recall、recall) 真陽率=敏感度=召回率= TP / (TP + FN) . # TP: True Positive真陽, FN: false Negative假陰 假陰(比)率 (False Negative Rate, FNR) - 陽性事件中，被錯誤預測為陰性的比例： 假陰率=1-真陽率=1-(TP / (TP + FN)) = FN / (TP + FN) 真陰(比)率( True Negative Rate, TNR ) - 陰性事件中被正確預測出的比例 同義詞：特異性(specificity)、陰性召回率(negative recall) 特異性 = TN / (TN + FP ) # TN: True Negative真陰, FP: False Positive假陽 假陽(比)率 (False Positive Rate, FPR) - 陰性事件被錯誤預測為陽性的比例 假陽率 = 1- (TN / ( TN + FP )) = FP / (TN + FP) 從觀測面向轉預測面向 精確 度(precision) - 預測為陽性事件中正卻的比例、陽性率預測值(Positive Predictive Value, PPV) 精確度 = PPV = TP / ( TP + FP ) 陰性率預測值 (Negative Predictive Value, NPV) - 類別分布平衡情況下，預測為陰性的正確比例 NPV = TN / (TN + FN) 偵測率(detection rate) - 所有樣本中，陽性被確偵測出來的比例 DR = TP / ( TP + FN + TN + FP ) 普遍率(prevalence) - 該類樣本佔樣本總數的比例，以陽性為例，所有樣本中陽性事件比例為實際 陽性事件普遍率 普遍率 = (TP + FN) / (TP + FN + FP + TN) 偵測普遍率(detection prevalence) - 所有樣本中預測為陽性的比例，普遍與偵測普遍率都大於偵測率 偵測普遍率 (TP + FP) / (TP + ...
