误判率 误判率公式

8月科学教育网小李来为大家讲解下。误判率，误判率公式这个很多人还不知道,现在让我们一起来看看吧！

一、定义：

误判率是指在实验中，特征检测器识别出来的错误样本，即被误判为正类或被误判为负类的样本，其误判率 = 错误样本数/总样本数×100％.

二、构成：

1、真实阳性误判：误判率中所计算的“错误”样本指的是真实阳性（TP）被误判为阴性（FN）样本，其误判率=FN/（TP+FN）×100％，又称为特异度。

2、真实阴性误判：误判率中所计算的“错误”样本指的是真实阴性（TN）被误判为阳性（FP）样本，其误判率=FP/（FP+TN）×100％，又称为灵敏度。

三、基本公式：

误判率=（FP+FN）/（TP+FP+FN+TN）×100％，

其中：TP：真实正类样本数；FN：真实正类被误判为负类的样本数；FP：真实负类被误判为正类的样本数；TN：真实负类样本数.

四、计算：

误判率的计算依赖于实际实验，等到测试结束后，根据实验结果得出各个类别的样本，将它们代入到误判率的计算公式，从而得出实验的误判率。

五、应用：

误判率是评估特征检测器准确性的一个重要标准，它可以帮助我们发现存在缺陷的特征检测器，因此它在机器学习、传感器网络、生物信息学等领域中都有广泛的应用。

一、误判率的概念

1. 误判率（false-alarm rate）是指一个系统在处理某个材料、识别某些数据时，其判断结果和实际结果不一致的概率。也可以说是错误判断其某一对象为正例的概率，或者判断某一事件发生的概率，比如火警系统或者病毒侦测系统等。

2. 误判率的计算方法一般用于判断某一系统真正检测到的样本数目和某一目标值的准确率。误判率越低，系统的准确率越高，否则将导致更多的误判，从而影响系统的精确性。

3. 误判率的计算公式为：误判率=假阳性（false positive）/ （假阳性+真阴性（true negative））,即FP/（FP+TN）。

二、误判率的种类

1. 严重误判率（severe false-alarm rate），即当系统在检测某一类实例时，若误判率太高会影响到后续所有系统的性能，将会带来比较麻烦的后果。

2. 垃圾邮件误判率（spam mail false-alarm rate），即邮箱的垃圾邮件识别系统误判率，是指系统识别某封垃圾邮件但实际上是正常邮件的概率，即将实际上是正常邮件的数据识别为垃圾邮件的概率。

3. 误识别误判率（misidentification false-alarm rate），即指在识别某类实例时，系统将实际上应该被认为是同一种类型的实例识别成另一种类型的实例的概率。

三、误判率的注意事项

1. 误判率是系统准确率的一个重要指标，误判率越低，系统的准确率越高。

2. 尽量监控和降低误判率，为系统的准确性提高再添砝码。

3. 在开发和应用识别系统时，要注意了解不同类型误判率的影响并对系统进行调整 ，尽量降低误判率。

4. 在使用识别系统进行实际检测时，也要重视误判率，注意系统的准确性，防止其发生误判。

本文误判率，误判率公式到此分享完毕，希望对大家有所帮助。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！