统计学中的真阳性(TP),假阴性(FN),假阳性(FP),真阴性(TN)怎么理解？

举个例子，假如要在一个地区进行1000人的核酸检测，我们站在上帝视角，知道这1000人中，有10人是新冠感染者，占比1%。

但实际的检测结果可能存在误差，误差包括两种情况

1. 新冠感染者，被错误诊断为健康
2. 身体健康，但却被错误诊断为感染者

检测结果如下：

1. 9名感染者得到了正确的阳性结果(TP,true positive)，1人出现假阴性(FN,false negative).
2. 其余990位健康的人中，检测除了89为假阳性(FP,false positive).901人得到了正确的阴性结果（TN,true negative)

图形化表示是这个样子的：

列成表格表示如下：

真实情况	预测为阳性	预测为阴性	召回率
阳性患者	9人(True Positive,TP)	1人(False Negative,FN)
健康人员	89人(False Positve, FP)	901人(True Negative, TN)
准确率

根据以上的分析，我们总结如下：

• TP、True Positive   真阳性：预测为正，实际也为正
• FP、False Positive  假阳性：预测为正，实际为负
• FN、False Negative 假阴性：预测与负、实际为正
• TN、True Negative 真阴性：预测为负、实际也为负
• 样本总数=TP+FN+FP+TN
• 准确率表示的是在预测结果中，有多少是真正的阳性
• 召回率表示的是在所有的阳性样本中，你究竟找回来几个？猜对了多少？

---

结束！