如果False Positve和True Negative的总和为零,如何计算误报率(FPR)?

时间:2016-09-16 17:59:19

标签: machine-learning roc false-positive

我正在进行性能测量并尝试绘制ROC曲线,但要绘制ROC曲线我需要TPR和FPR。

我们知道,

  

误报率(FPR)= FP /(FP + TN)

我有TN和FP的值都等于0,那么如何计算这种情况的FPR并输入ROC曲线?

1 个答案:

答案 0 :(得分:6)

首先

  

误报率(FPR)= FP /(FP + TN)

从而

  

我有TP和FP的值都等于0

不是问题,因为在这个等式中没有使用TP。唯一的问题是FP + TN为0,但这是不可能的,因为FP + TN =负数(所有带负标签的样本,无论你如何分类)。因此,如果您的数据集没有负样本,那么FPR未定义的唯一情况是,然后在二进制分类中没有任何一点。