透析混淆矩阵(举例说明)

混淆矩阵（confusion matrix）衡量的是一个分类器分类的准确程度。理解其概念本身容易理解，但一些特定术语易被混淆。

混淆矩阵的基本模式：

这里就给大家举一个例子来更好的说明一下混淆矩阵的各种情况

---

---

观察混淆矩阵，可得如下结论：

• 示例是一个二元分类问题，产生两种可能的分类：“是”或者“不是”。当预测一个事件是否发生时，“是”意味着该事件已经发生，而“否”则相反，该事件没有发生。

• 该模型对这个事件进行了100次预测。

• 在这100次预测结果中，“是”有45次，“否”有55次。但实际上该事件发生了40次。

重要概念：

1. 真阳性（True Positive，TP）：样本的真实类别是正例，并且模型预测的结果也是正例

2. 真阴性（True Negative，TN）：样本的真实类别是负例，并且模型将其预测成为负例

3. 假阳性（False Positive，FP）：样本的真实类别是负例ÿ