我在一对一所有SVM上都有一套。这些是LibSVM二进制训练的SVM，在真正的类上，然后是所有其他类。我想从系统中显示FAR和FRR，但我看起来得到非常大的FRR值和非常小的FAR值。这是因为我使用来自真实类的正测试集作为正测试数据，并使用来自所有其他类的正数据作为测试的负测试数据。这意味着我获得了相同数量的FAR和FRR值。如果真实样本被错误拒绝，那么这意味着另一个SVM将在另一个测试中错误地接受另一个用户。
这给出了相同的FAR和FRR值。但这意味着FAR和FRR的百分比非常不同。负数据集最多可以比正数集大100倍。这意味着，如果我们有n个错误的拒绝（以及因此错误的接受），那么我们有n / pos_data_size FRR和n /（pos_data_size * 100）FAR！
我想很好地代表错误率。但这似乎很难做到！有没有办法在这种情况下起作用？