假阳性（False Positive, FP）是指在二元分类问题中，当真实类别为负类（negative class）时，模型错误地预测为正类（positive class）的误判现象，它代表一种虚警或误报，即本不该被识别为阳性的事件被错误标记。例如，在疾病筛查中，健康人被误诊为患病，或在垃圾邮件过滤中，正常邮件被误判为垃圾邮件。
在AI产品开发的实际落地中，假阳性率的高低直接影响用户体验、商业效益和产品可靠性。AI产品经理需通过数据预处理、模型调优（如调整分类阈值）和性能评估（如使用ROC曲线平衡精确率与召回率）来优化系统，以最小化假阳性风险，从而在风控、医疗诊断或推荐系统等场景中提升产品稳健性。
免费模拟面试：试试能否通过大厂“AI产品经理”面试？