1、混淆矩阵
混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。在人工智能中,混淆矩阵是可视化工具,特别用于监督学习。
如图所示,混淆矩阵主体为两行两列,两行分别代表样本的真实值的Positive或者Negative状态;而两列分别代表预测值的Positive或者Negative状态。而这样就组合出了关于真实值和预测值的四种状态:
- 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
- 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
- 假阳性(False Positive, FP):样本的真实类别是负例,但是模型将其预测成为正例
- 假阴性(False Negative, FN):样本的真实类别是正例,但是模型将其预测成为负例