如何使用一类 SVM Python 计算错误接受率和错误拒绝率答案

【问题标题】：How to compute False Accept and False reject rates using one class SVM Python如何使用一类 SVM Python 计算错误接受率和错误拒绝率
【发布时间】：2021-10-04 09:24:47
【问题描述】：

如何使用一类 SVM 计算错误接受率和错误拒绝率？我有大约 70000 个样本的用户数据。我正在尝试在这里应用一类 SVM。得到的-1值的个数是12765，其余的显示为1。从这些得到的值中，我如何计算错误接受率？

【问题讨论】：

标签： one-class-classification

【解决方案1】：

您可以在Confusion matrix 的帮助下计算它。

FAR = FPR = FP/(FP + TN)

FRR = FNR = FN/(FN + TP)

where FP: False positive
      FN: False Negative
      TN: True Negative
      TP: True Positive

你也可以找到原答案here

【讨论】：

我了解计算 FAR 和 FRR 的公式，并尝试使用二进制分类器。但我的问题是如何在一类分类器中计算它？如前所述，我的“-1”值数量为 12000，其余 58000 个值为“+1”值。
例如：当您在模型中仅预测“狗类”并且如果您的模型没有正确预测，您仍然会得到 2 个标签。一个用于正确预测 Dog，另一个用于错误地预测它。因此不会有一类分类器这样的东西。单类意味着答案总是 1，但我们不应该留下答案不是 1 的事实。