问题描述
这是一个关于Classification Metrics下混淆矩阵的问题。
假设我在一个欺诈分析团队工作，我们的目标是检测欺诈性信用卡交易。 我随机抽取了 500 笔交易样本。 在这些交易中，有 50 笔是欺诈性的。 我预测总共有 100 笔欺诈交易，其中 45 笔是正确的。
识别假阳性和假阴性。
我的工作是：
Actual Positive 表示欺诈 50 个欺诈交易由 45 个真阳性和 5 个假阴性组成。 预测 100 笔欺诈交易由 45 个 True Positives 和 55 个 False Positives 组成。 所以剩下的 395 个是 True Negatives。
结论：我的答案是 55 个误报和 5 个误报吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）