假阳性率是什么？没问题的样本被误判为有问题的比例

假阳性率（False Positive Rate，FPR），也叫误报率，是衡量机器学习分类模型误报程度的指标。它表示：在所有实际上为阴性的样本中，被模型错误地预测为阳性的样本所占的比例。假阳性率是开发和评估机器学习模型时需要重点考虑的指标之一。

怎么计算

在二元分类中，模型的判断结果可以分为四种：真阳性，实际是阳性、判断也是阳性；假阳性，实际是阴性、却判断为阳性，也就是误报；真阴性，实际是阴性、判断也是阴性；假阴性，实际是阳性、却判断为阴性，也就是漏报。假阳性率的计算公式是：假阳性数除以（假阳性数加真阴性数），也就是“被误判的阴性样本”占“所有阴性样本”的比例。

举个例子：一个垃圾邮件过滤器，在 1000 封正常邮件中，有 20 封被错误地判断成了垃圾邮件，那么它的假阳性率就是 2%。假阳性率越低，说明模型越少地冤枉“好人”。与之相对的是真阴性率，也叫特异度，等于 1 减去假阳性率，表示阴性样本中被正确判断为阴性的比例。

为什么重要

在很多应用中，误报会带来实际的代价。邮件过滤：正常的重要邮件被误判为垃圾邮件，用户可能错过关键的信息。金融反欺诈：正常的交易被误判为欺诈而被拦截，客户的银行卡被冻结，体验很差。医疗筛查：健康的人被误诊为可能患病，会带来不必要的焦虑和额外的检查。网络安全：入侵检测系统如果误报太多，安全人员每天要处理大量虚假的警报，久而久之会产生“警报疲劳”，反而可能忽视真正的威胁。工业质检：合格的产品被误判为次品而报废，造成浪费。

ROC 曲线

假阳性率最常见的用途，是和真阳性率一起绘制 ROC 曲线。大多数分类模型会给出一个“是阳性的概率”，需要设定一个阈值来决定判断结果：阈值越低，越多的样本被判为阳性，真阳性率提高，但假阳性率也会随之上升；阈值越高则相反。在不同的阈值下，以假阳性率为横轴、真阳性率为纵轴，画出的曲线就是 ROC 曲线。曲线越靠近左上角，说明模型越能在误报很少的情况下找出大部分阳性样本，性能越好。曲线下的面积（AUC）是衡量分类模型整体区分能力的常用指标：AUC 等于 1 表示完美的模型，等于 0.5 相当于随机乱猜。在实际应用中，需要根据误报和漏报各自的代价，在 ROC 曲线上选择合适的工作点。