假阳性与假阴性的代价不对称

概念解释

传感器把连续信号切成「发生 / 未发生」时，会犯两种错：假阳性（false positive）是没有事件却当有，假阴性（false negative）是有事件却当成没有。两种错的代价几乎从不相当：一次误亮的灯是烦，一次没响的跌倒警报可能是伤害。不对称是损失结构，不是准确率公式里的对称误差。

机制

期望损失可以写成两种错误概率各乘自己的代价再相加。准确率、F1 默认把两种错误当成同类计数，等于偷偷假设代价相等。生理通道上这个假设尤其假：皮电误报一次「压力过大」的代价是一次多余干预；漏掉一次真实的医疗事件，代价在另一量纲。ROC 曲线只给出可达到的权衡，并不指定该停在哪一点——指定来自损失矩阵。用户侧的不对称还带方向：假阳性消耗的是注意和信任，假阴性消耗的是安全或任务成功，两者不能用同一次「错误率」对冲。

怎么研究

信号检测论把虚报率和漏报率分开画，用支付矩阵而不是单一正确率来选工作点。自变量：事件基率、两种错误的货币化或时间化代价。因变量：在给定损失下的期望代价、用户停用率、以及漏检导致的任务失败。实验室里把两类错误各罚 1 分的评分，会把不对称抹平。现场还要测基率：稀有事件上，即使特异度很高，阳性预测值仍然可以很低，假阳性的绝对次数被基率放大。

边界

两类代价偶尔接近对称：游戏里的装饰性适应、可立即撤销的预览。一旦后果不可逆或涉及他人安全，不对称立刻拉大。同一错误在不同人身上也不对称——护理者漏掉警报的代价高于被监护者被多喊一次。把实验室均衡数据集上的准确率当成产品指标，等于拒绝承认现场基率和损失矩阵。

怎么落地

• 为每个传感器决策写出两行损失：误报一次会怎样、漏报一次会怎样，禁止只用准确率验收。
• 稀有安全事件按阳性预测值和漏检代价验收，不按整体准确率。
• 能撤销的假阳性可以多放一点；不可撤销的假阳性按假阴性一样对待。
• 验证：用真实基率回放一周日志，分别加总误报打扰时长和漏报事件数，看哪一侧在主导损失。

延伸

• 同组：C9.06.2 阈值选择是产品决定而非算法决定 · C9.06.3 高后果动作不得由单一传感器判定 · C9.06.4 医疗警报场景通常宁可假阳性也要避免假阴性，消费场景常反之 · C9.06.5 代价不对称应体现为分类阈值的具体取值，而非仅停留在原则声明 · C9.06.6 同一传感器在不同功能上复用时，两个功能可能需要不同的误报容忍取向 · C9.06.7 误报代价的评估需要包含用户信任流失这类长期成本，不只是单次错误后果
• 相邻：C7.08 误唤醒 · C4.02 迈达斯之触问题
• 站内检索：loss matrix · false positive cost · signal detection