Classification Truth Table

在机器学习中对于分类结果的描述，一般有四种：true positive, true negative, false positive 和 false negative。

Precision, Recall, F-score等的测量标准都是建立在这四个描述上。下面是从wiki上截下来的图：

首先，对于横向True condition和纵向Predicted condition相交的四个格子就是需要记住的四个分类描述。

如何记住？以True condition + Predicted condition这样的顺序就可以了：

对于分类正确的结果，即是true + *。那么分类正确的正样本就是true positive，负样本就是true negative。

对于分类错误的结果，即是false + *。那么分类错误的结果中，分成正样本的即是false positive，分成负样本的即是false negative。

转载于:https://www.cnblogs.com/JimmyTY/p/5564225.html