この概念は実際には医学から機械学習に導入されたものです。だからその思考ロジックは、機械学習に携わる人たちのものと多少異なるところがあります。私たちが病院を受診すると、検査結果のレポートに（+）と（-）が表示されます。これらはそれぞれ陽性と陰性を表します。たとえば、ある病気にかかっているかどうかを検査した場合、陽性（+）は病気にかかっていることを意味し、陰性（-）は問題ないことを意味します。
では、このような検査は本当に信頼できるのでしょうか？ 研究者たちはこのような検査方法を設計する際に、この人が実際に病気にかかっている場合、この方法で検出できる確率はどれくらいか（真陽性率）、また、この人が病気にかかっていない場合、この方法で病気と誤診する確率はどれくらいか（偽陽性率）を知りたいと考えます。
具体的には、次の表を見てください（百度百科より引用）：

真陽性率（True Positive Rate, TPR）とは：

検出された真の陽性サンプル数をすべての真の陽性サンプル数で割った値です。

偽陽性率（False Positive Rate, FPR）とは：

検出された偽の陽性サンプル数をすべての真の陰性サンプル数で割った値です。