二分类
要谈评价指标,则需要从二分类开始说起:
一类为正例,一类为负例。
那么模型最后预测的情况如下:
- 真实类别为正例,预测类别为正例,称为真正例(True Positive,TP)
- 真实类别为负例,预测类别为正例,称为假正例(False Positive,FP)
- 真实类别为正例,预测类别为负例,称为假负例(False Negative,FN)
- 真实类别为负例,预测类别为负例,称为真负例(True Negative,TN)
可以构成如下混淆矩阵(Confusion Matrix):
真实类别 | 预测类别:正例 | 预测类别:负例 |
---|---|---|
正例 | TP | FN |
负例 | FP | TN |
辅助记忆:T、F表示最终预测结果是正确还是错误,P、N表示预测结果为正例、反例。