Question

FAR和FRR用于表示生物识别设备的结果。下面是weka生成的生物识别数据产生的混淆矩阵。我找不到任何资源来解释使用n * n混淆矩阵计算FAR和FRR的过程。任何解释程序的帮助都会有很大帮助。提前致谢！

Weka还给出了这些值，TP速率，FP速率，精度，召回，F测量和ROC面积。请建议是否可以使用这些计算所需的值。

===混淆矩阵===

a b c d e f g h i j k l m n o   <-- classified as
 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 | a = user1
 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 | b = user2
 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 | c = user3
 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 | d = user4
 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 | e = user5
 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 | f = user6
 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 | g = user7
 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 | h = user9
 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 | i = user10
 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 | j = user11
 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 | k = user14
 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 | l = user15
 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 | m = user16
 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 | n = user17
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 | o = user19

Answer 1

用户“chl”在此处接受的答案提到了生物识别技术文献：https://stats.stackexchange.com/questions/3489/calculating-false-acceptance-rate-for-a-gaussian-distribution-of-scores。

他说，

[ROC曲线]是（TAR = 1-FRR，错误拒绝率）对假的图录取率（FAR）。

然而，通常ROC曲线恰好是TP Rate作为假阳性率（FP Rate）函数的图。
似乎你可以使用TP Rate和FP Rate。

使用n * n混淆矩阵计算错误接受率和错误拒绝率

1 个答案: