1、混淆矩阵(以二分类为例)
标准集 | |||
验证集 | 真实的P样本(positive) | 真实的N样本(Negtive) | |
预测的P样本 | TP(预测的P是真的) | FP(预测的P是假的) | |
预测的N样本 | FN(预测的N是假的) | TN(预测的N是真的) |
现在开始解释各种真阳、假阴。
举例:由医学引入机器学习;
一个病人,长了个肿瘤,去医院检查,分别有以下情况:
1、真实情况:恶性,检查结果:恶性,这种情况就叫做:true positve,姑且称为真阳性吧。
2、真实情况:良性,检查结果:恶性,这种情况就叫做:false positve,假阳性。
3、真实情况:恶性,检查结果:良性,这种情况就叫做:false negative,假阴性。