最近看人臉檢測的**，遇到兩個詞不知其意：false-positive rate 和 false-negative rate。最後查wikipedia才知道其確切的意思。
機器學習的時候會將學習樣例（example）分為正例（positive）和反例（negative）。當你訓練乙個分類器後，進行測試。對於正例，分類器可能正確的將其分類為正例，也可能錯誤的拒絕了這個樣例，對於反例也是一樣。
false-positive rate 是分類器將正例錯誤的分類為反例的數量與正例數量的比值，這類錯誤稱為第一類錯誤，或是alpha錯誤。而 false-negative rate是分類器將反例錯誤的分類為正例的數量與反例數量的比值，這類錯誤稱為第二類錯誤，或是beta錯誤。舉個具體的例子：
假設我們 有 2000個人臉的和 4000個非人臉的。訓練乙個分類器進行測試。分類器將2000個人臉中的1980個都分到了人臉一類，還有20個人臉被分錯了；將 4000個非人臉中的3000個都分到了非人臉類中，但是剩下的1000個都分錯了。那麼
false-positive rate= 20/2000 =1%而
false-negative rate=1000/4000=25%。
最後問候一下功夫網的先人。
常見錯誤和找錯方法
常見錯誤 總結 沒有效果就去找 排錯方式 1.根據知識點 2.根據業務邏輯來安排 2 1.明確瀏覽器解析的正確順序 1.標籤 2.css 3.js 2 2.頁面上啥也沒有，證明沒有標籤或者標籤位置寫錯 2 3.頁面上沒有樣式，證明選擇器沒有樣式 2 4.頁面上沒有動態互動，要麼沒有互動屬性，要麼互動...
Python學習筆記之錯誤和異常及訪問錯誤訊息詳解
錯誤和異常 指定異常 可以指定要在except塊中處理哪個錯誤，如下所示 try some code except valueerror some code 現在它會捕獲 valueerror 異常，但是不會捕獲其他異常。如果我們希望該處理程式處理多種異常，我們可以在except後面新增異常元組。t...
細節問題 易錯問題 zz錯誤
一 關於精度的問題 float精度是2 23，能保證6位。double精度是2 52，能保證15位。但是預設float和double都只能顯示6位，再多需要 include 然後在輸出語句之前插入cout setprecision 20 強制輸出小數字。float fval 1.32121212f ...