深度学习中的混淆矩阵以及各种评价指标

混淆矩阵 

TP：True positive  被判定为正样本（Positive） 事实上也是正样本(True)。

FP：False Postivate  被判定为正样本（Positive）。事实上是负样本(False)。

FN: False Negative  被判定为负样本（negative）事实上是正样本（False）。

TN: True Negative 被判定为负样本（negative）事实上是负样本（True）

Positive 代表的是正样本  True代表判断正确，False 代表判断错误。

Negative 代表的是负样本 True代表判断正确，False代表判断错误。

评价指标

Precision 准确率-又称查准率，表示在预测结果中，正样本预测正确的概率。

Recall  召回率-又称查全率，表示在原始的正样本中，预测正确的概率

准确率：                                         (正确样本/所有被判定为正样本)

召回率：                                              （正确的样本/所有正样本）

F1-Score: