受此参考的启发，它在ROC Space下声明

在评估二元分类器时，我们经常使用混淆矩阵......但是这里我们只需要 TPR 和 FPR

如果 ROC 被称为正ROC，我会感觉更舒服，这表明 TNR 和 FNR 使用了替代 ROC 曲线。但情况似乎并非如此。在我看过的所有地方，ROC 都特别指使用 T P R 和 F P R。

是否有一个版本的 ROC 曲线来计算正例和负例分类的成功率，比如说$\frac{1}{2}(ROC_{+} + ROC_-)$？， 在哪里$ROC_+$是使用 TPR/FPR 和$ROC_-$是使用 TNR/FNR 的同一曲线的不受欢迎的版本吗？

我的问题是，是什么让 TPR、FPR 比为 ROC 曲线选择 TNR、FNR 好得多？为什么考虑正面示例的分类比考虑负面示例更重要（也就是说，ROC 是一个流行的指标） ？