【NLP】再看分类评估指标——宏平均，微平均

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。

分类指标</