機器學習TP FP FN TN評價名額

TP、TN 、FP 、FN：

T  ——true 表示正确

F——false 表示錯誤

P—— positive 表示積極的，看成正例

N——negative 表示消極的，看成負例

我的了解：後面為預測結果，前面是預測結果的正确性。如：

T P—— 預測為 P （正例） , 預測對了，  則  原始：正 —> 結果：正，正例預測為正例

T N—— 預測為 N （負例） , 預測對了，  則 原始： 負 —> 結果：負，負例預測為負例

F P—— 預測為 P （正例） , 預測錯了，  則  原始：負 —> 結果：正，負例預測為正例

F N—— 預測為 N （負例） , 預測錯了，  則  原始：正 —> 結果：負，正例預測為負例

精确率：表示的是預測為正的樣本中有多少是真正的正樣本。

針對預測結果而言的：找出結果中為正例的，看一看對了幾個

TP—— 預測為 P 正例 , 預測對了，  則  正 —> 結果：正，正例預測為正例

FP—— 預測為 P 正例 , 預測錯了，  則  負 —> 結果：正，負例預測為正例

召回率：表示的是樣本中的正例有多少被預測正确了

針對原始樣本而言的：在結果中挑出原始為正例的樣本，看一看有幾個預測正确了

TP—— 預測為 P 正例 , 預測對了，  則  原始：正 —> 正，正例預測為正例

FN—— 預測為 N 負例 , 預測錯了，  則  原始：正 —> 負，正例預測為負例

我的了解歡迎讨論。

————————————————

版權聲明：本文為CSDN部落客「靜以修心-fan」的原創文章，遵循CC 4.0 BY-SA版權協定，轉載請附上原文出處連結及本聲明。

原文連結：https://blog.csdn.net/qq_28834001/article/details/102922993