如果假阳性和真阴性之和为零，如何计算假阳性率（FPR）？答案

【问题标题】：How to calculate False Positive Rate (FPR) if sum of False Positve and True Negative is Zero?如果假阳性和真阴性之和为零，如何计算假阳性率（FPR）？
【发布时间】：2017-01-25 00:58:33
【问题描述】：

我正在进行性能测量并尝试绘制 ROC 曲线，但是要绘制 ROC 曲线我需要 TPR 和 FPR。

众所周知，

假阳性率 (FPR) = FP / (FP + TN)

我的 TN 和 FP 的值都等于 0，那么我如何计算这种情况下的 FPR 并放入 ROC 曲线？

【问题讨论】：

这是题外话，在 stats.stackexchange.com 中是题外话

标签： machine-learning roc false-positive

【解决方案1】：

首先

假阳性率（FPR）= fp /（fp + tn）

因此

我有TP和FP的值等于0

不是问题，因为在这个等式中不使用TP。唯一的问题是 FP + TN 为 0，但这是不可能的，因为 FP + TN = Negatives（所有带有负标签的样本，无论你如何分类它们）。因此，FPR 未定义的唯一情况是如果您的数据集没有负样本，那么无论哪种方式，二进制分类都没有意义。

【讨论】：

抱歉，我已经编辑了我的问题tp应该是tn，谢谢 span>
这意味着您的数据集不包含任何个负样本，因此它不是有效的二进制标记数据集。您要么计算 TN / FP 不正确，要么您的数据无效。
可以清除我对这个框架中的真正否定的困惑吗？ @lejlot stackoverflow.com/questions/39645367/…