误报率、漏报率、准确率和召回率（虚警率、漏警率）

什么是positive和negative

---

首先需要明确positive和negative的含义，不然很容易混淆。

The terms “positive” and “negative” do not refer to the value of the condition of interest, but to its presence or absence; the condition itself could be a disease, so that “positive” might mean “diseased”, while “negative” might mean “healthy”.¹

翻译如下：

术语“阳性”和“阴性”不是指所关心的情况的值，而是指其存在或不存在；该情况本身可能是一种疾病，因此“阳性”可能意味着“疾病”，而“阴性”可能意味着“健康”。

如果对异常情况比较关注的话，那么“阳性（positive）”就是指存在异常，“阴性（negative）”就是指不存在异常。

什么是true和false

---

true指的是预测的情况和真实情况一致；
false指的是预测的情况和真实情况不一致。

误报率、漏报率、召回率

---

这几个概念太绕了，根据关注点的不同使用的频率也不相同。
对于我的日常而言，关注的是异常情况，所以一般用误报率和漏报率。
误报，别名虚警，指的是本来正常（Condition negative），但是误认为是异常（Predicted condition positive）。对应于FP，type Ⅰ error。
漏报，别名漏警，指的是本来异常（Condition positive），但是误认为是正常（Predicted condition negative）。对应于FN，type Ⅱ error。
漏报率+召回率=1
先整理到这里，后期继续更新。
从维基百科词条¹截图如下：

see also

---

CSDN博客柚子敲好吃：异常检测中的评价指标——TPR/FPR/P/A/F/R

References

---

1. Wikipedia：Sensitivity and specificity ↩︎ ↩︎