TP | FP | TN | FN

小小的记录一下四者含义,看论文的时候总是迷糊

基本概念:(原链接写的更加清晰)

TP:True Positive,分类器预测结果为正样本,实际也为正样本,即正样本被正确识别的数量。

FP:False Positive,分类器预测结果为正样本,实际为负样本,即误报的负样本数量。

TN:True Negative,分类器预测结果为负样本,实际为负样本,即负样本被正确识别的数量。

FN:False Negative,分类器预测结果为负样本,实际为正样本,即漏报的正样本数量。

第一位是分类器预测是否正确,第二位表示分类器预测结果,这样记忆就很方便啦! 

你可能感兴趣的:(python,机器学习,人工智能)