1.错误拒绝率(False Rejection Rate, FRR)

分类问题中，若两个样本为同类（同一个人），却被系统误认为异类（非同一个人），则为错误拒绝案例（即本不该拒绝的但拒绝了）。举个例子，用你的指纹解锁你自己的手机时，无法认证通过，则称为错误拒绝，错误拒绝率高则系统安全性高。错误拒绝率（FRR）为错误拒绝案例在所有同类匹配案例中占的比例。
$$FRR=\frac{错误拒绝的案例}{错误拒绝的案例+正确拒绝的案例}=\frac{target2nontarget}{target2nontarget+nontarget2nontarget}$$

2.错误接受率(False Acceptance Rate, FAR)

分类问题中，若两个样本为异类（非同一个人），却被系统误认为同类（同一个人），则为错误接受案例（即本不该接受的但接受了）。举个例子，你的手机被陌生人捡到了，陌生人用他的指纹解锁了你的手机，本不该认证通过的但认证通过了，错误接受率高则系统不安全。错误接受率为错误接受案例在所有异类匹配案例的比例。
$$FAR=\frac{错误接受的案例}{错误接受的案例+正确接受的案例}=\frac{nontarget2target}{nontarget2target+target2target}$$

3.等错误率(Equal Error Rate，EER)

调整阈值，使得误拒绝率(False Rejection Rate，FRR)等于误接受率 (False Acceptance Rate，FAR)，此时的FAR与FRR的值称为等错误率。