P-R曲线,TP,FP,TN,FN理解

如何计算混淆矩阵：

举例：

y_true = [0,1,2,0,1,2]
y_pred = [0,2,1,0,0,1]

则混淆矩阵为：

真实\预测       0      1      2
    0          2      0      0
    1          1      0      1
    2          0      2      0


(0,0)这个元素是：y_true = y_pred=0的个数
也就是说，当y_true=0是，且 y_pred=0 的数量
后面每一元素以此类推。

混淆矩阵：

1.每一行表示一个真实label， 如第一行是label1， 第二行是label2

2.每一列表示预测， 第一列，是label1的预测，第二列是label2的预测

 现在画出了混淆矩阵（如下图）：

以label1为例

TP（预测为正，预测正确)
TN（预测为负，预测正确）
FP（预测为正，预测错误）
FN（预测为负，预测错误）

预测为正，1这一列， 预测正确，则看1这一行

预测为负，则看2，3列，预测正确，2，3这一行

预测为正，则看1这一列， 预测错误，2，3行

预测为负，则看2，3列， 预测错误，1这一行（若正确说明是2，3列，但是预测错误，所以是第一列）

说明：每一行是每个label的真实结果，

            每一列是每个label的预测结果。

所以，预测label2为正，则看label2这一列，再确定预测正确与否，

若预测正确，则看label2这一行

若预测错误，则看label1 和 label3 这两行。

精确率（P）：(解释公式： 分子： 真正例个数             分母：真正例个数 + 假正例个数(是反例，却预测为正例) = 总的预测为正例的个数)  

最后比值的结果为： 在预测为正例结果中， 确实是正例的个数

召回率：（R）：（解释公式： 分子： 真正例的个数    分母： 真正例个数+假反例个数=数据中一共有正例个数）

比值结果为： 在数据是正例数据的个数中， 有多少个预测为正例了。