模型评估中的TP FP FN TN 准确率 精确率 召回率

要理解这几个术语首先要区分正例和反例

假如你有100个关于大学生是否玩游戏的样本。其中60个是玩游戏的，40个不玩游戏，而你需要找出玩游戏的大学生。

这个例子中正例为玩游戏的大学生，反例为不玩游戏的大学生，反之同理。

介绍完如何区分正反例，那就可以聊一下以下这四个术语的含义。

TP    正例预测为正例

FN    正例预测为负例

FP    负例预测为正例

TN    负例预测为负例

假如你在玩游戏的例子中 ，找出50个玩游戏的学生，但是结果中50个样本其实是40个玩游戏和10个不玩游戏的。

那么你的TP FN FP TN分别是

TP    40（正例预测为正例，也就是40个玩游戏的学生样本被预测为玩游戏的）

FN    20（正例预测为反例，也就是20个玩游戏的学生样本被预测为不玩游戏的）

FP    10（负例预测为正例，也就是10个不玩游戏的学生样本被预测为玩游戏的）

TN    30（负例预测为负例，也就是30个不玩游戏的学生样本被预测为不玩游戏的）

准确率    (TP+TN)/(TP+FP+FN+TN)

精确率    (TP)/(TP+FP)

召回率    (TP)/(TP+FP)