「ML笔记」- 假阳性&假阴性

问题：机器学习里，什么是假阳性，什么是假阴性？

学习ing，在机器学习之旅，麻省博士小姐姐带我 ︿(￣︶￣)︿

曾经，在 python 的机器学习开源库 sklearn 的混淆矩阵模块 scikit-learn-confusion_matrix 里，笔者常常看tn, fp, fn, tp等缩写变量，百思不得其解。

>>> tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel()
>>> (tn, fp, fn, tp)
(0, 2, 1, 1)

如下图，检索得到的网络资料，专业论述严谨准确，但解释起来冷冰冰，对我而言，仍然显得晦涩

混淆表格（有时候也称为混淆矩阵），是由false positives，falsenegatives，true positives和true negatives组成的两行两列的表格。

True positive (TP) ：真实为P，预测为P
True negative (TN): 真实为N，预测为N
False positive (FP)：真实为N，预测为P
False negative (FN)：真实为P，预测为N

包括博客文章里解释的「猫狗识别分类」例子，听过之后，笔者依然「一头雾水」。

看过这个视频之后，豁然开朗。

ML Basics: False Positives, False Negatives

回答：假阳性False Positives&假阴性False Negatives

快乐学习，从形象的例子开始。

假设：给你一百张图片。让你来判断 -> 每张图片中是否有人类？

这个任务需要预测两种情况——有人&没人，叫做二元分类。

• 图片里有人，你识别「有人」——叫做「真阳性(True positive)」

• 图片里没人，你识别「没人」——叫做「真阴性(True negative)」

  
  

• 图片里没人，你识别「有人」——叫做「假阳性(False postive)」

  
  

• 图片里有人，你识别「没人」——叫做「假阴性(False negative)」

总结：

• 预测正确，以「True」开头。
• 预测错误，以「False」开头。
• 预测结果是阳性（比如「有人」、「患病」），以「 postive」结尾。
• 预测结果是阴性（比如「没人」、「无病」），以「 negative」结尾。

术语：准确率（Accuracy）

正确识别的图片的百分数——准确率（Accuracy）= TP+TN / TP+TN+FP+FN

误区：TP&TN 比 FP&FN 更重要

比如，在医学影像诊断疾病的应用中。

对于没有疾病的监测者，预测 TA 可能有病，需要进一步检查。这个无伤大雅。
但对于患病的监测者，预测 TA 没有疾病风险，那就是严重问题。

我们会更关注「假阴性率（False Negative Rate）」 = FN/FN+FP
换句话说，我们关注——对于多少包含患病风险的检测者，我们预测错误的比例是多少？

在安全防护领域，「假阳性率」需要关注：

对于，自己手机的指纹识别功能，识别错了自己的指纹，这是「假阴性」，几秒钟之内多按几次，也能解锁手机，那也还好。
但如果，用别人的指纹，也能解锁你的手机。那就问题严重了，这是「假阳性」。

这个例子里，我们会更关注「假阳性率（False Postive Rate）」 = FP/FP+TN。换句话说，我们关注——对于多少不是本机主人指纹的打开尝试，我们预测错误的比例是多少？

总结：

• 在智能医疗领域，比如患病风险监测的应用，我们会更关注「假阴性率（False Postive Rate）」，对于多少包含患病风险的检测者，我们预测错误的比例是多少？备注：阴性定义是——检测者没有患病风险，无需进一步检查。
• 在安全防护领域，比如指纹解锁功能，我们会更关注「假阳性率（False Postive Rate）」，对于多少不是本机主人指纹的打开尝试，我们预测错误的比例是多少？备注：阳性定义是——指纹是本机主人的。

changelog

19.06.07 init
19.07.11 publish