FalschPositivRate

Falschpositivrate, abgekürzt FPR, ist in Statistik und Maschinellem Lernen der Anteil der negativen Fälle, bei denen der Test fälschlicherweise als positiv bewertet wird. Formal beschreibt sie P(Test positiv | wirklich negativ). In der Konfusionsmatrix entspricht sie FP/(FP+TN) und ist damit gleich 1 minus der Spezifität. Die FPR hängt vom gewählten Schwellenwert des Tests ab und lässt sich durch Anpassen dieses Thresholds verändern; im ROC-Diagramm entspricht die FPR der x-Achse, während die TPR (Sensitivity) auf der y-Achse liegt.

Anwendung und Interpretation: Die FPR wird genutzt, um die Fehlalarmrate eines Tests zu bewerten und verschiedene Verfahren zu vergleichen. In medizinischen Screenings, Sicherheitskontrollen oder Spam-Filtern gilt: Je niedriger die FPR, desto weniger Fehlalarme, oft aber auf Kosten der Sensitivität. Der Trade-off zwischen FPR und TPR muss je nach Kontext festgelegt werden; häufig wird ein Schwellenwert gewählt, der eine gewünschte Balance zwischen Fehlalarmen und erkannten Positiven erreicht.

Wichtige Einschränkungen: Die FPR beschreibt nichts darüber, wie wahrscheinlich ein positiver Test tatsächlich positiv ist (das wird durch PPV bestimmt). Sie ist unabhängig von der Prävalenz der Zielgröße in der Stichprobe, während PPV und NPV stark davon abhängen. Daher liefert die FPR allein kein vollständiges Bild; ergänzend sollten Metriken wie Sensitivität, Spezifität, Genauigkeit oder AUC berücksichtigt werden.

Siehe auch: Spezifität, ROC-Kurve, Konfusionsmatrix.