True Positive, True Negative, False Positive an...

2019独角兽企业重金招聘Python工程师标准>>>

表示分类正确：

• True Positive (TP)：本来是正样例，分类成正样例。
• True Negative (TN)：本来是负样例，分类成负样例。

表示分类错误：

• False Positive (FP)：本来是负样例，分类成正样例，通常叫误报。
• False Negative (FN)：本来是正样例，分类成负样例，通常叫漏报。

召回率：

• Recall (R)：被正确分成正例的样本占所有正例的比重。
• Recall = TP / (TP+FN)

准确率：

• Precision (P)：被分成正例的样本中是真实正例的比重。
• Precison = TP / (TP+FP)

正确率：

• Accuracy：判断正确的样本与所有测试样本的比率。
• Accuracy = (TP+TN) / (TP+FN+FP+TN)

F1-measure: 2(RP) / (R+P)

转载于:https://my.oschina.net/duluo180/blog/123751