通俗理解TP、FP、TN、FN

性能指标计算

当前有测试数据70条。其中正样本（1）44条，负样本（0）26条。 其中有10条负样本预测为正样本，有32条正样本预测为负样本，请计算混淆矩阵

TP（真正例）：实际标签为1，模型预测为1的数量。
FP（假正例）：实际标签为0，但模型预测为1的数量。
TN（真负例）：实际标签为0，模型预测为0的数量。
FN（假负例）：实际标签为1，但模型预测为0的数量。

TP 12
FP 10
TN 16
FN 32

准确率（Accuracy）：(TP + TN) / (TP + TN + FP + FN) = (12 + 16) / (12 + 16 + 10 + 32) = 28 / 70 ≈ 0.4
精确度（Precision）：TP / (TP + FP) = 12 / (12 + 10) = 0.5455 (约为0.55)
召回率（Recall）：TP / (TP + FN) = 12 / (12 + 32) = 0.2727 (约为0.27)
F1分数（F1-Score）：2 * (Precision * Recall) / (Precision + Recall) = 2 * (0.5455 * 0.2727) / (0.5455 + 0.2727) ≈ 0.3636 (约为0.36)