1

FAR 和 FRR 用于表示生物识别设备的结果。下面是由 weka 生成的生物特征数据生成的混淆矩阵。我找不到任何资源来解释使用 *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 Rate、FP Rate、Precision、Recall、F-Measure 和 ROC Area。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
4

1 回答 1

-1

用户“chl”在此处接受的答案参考了生物识别文献：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）与错误接受率 (FAR) 的关系图。

然而，通常 ROC 曲线恰好是 TP 率作为误报率 (FP 率) 的函数的图。
似乎您可以使用 TP Rate 和 FP Rate。

于 2015-04-15T09:42:04.337 回答