机器学习TP FP FN TN评价指标

TP、TN 、FP 、FN：

T  ——true 表示正确

F——false 表示错误

P—— positive 表示积极的，看成正例

N——negative 表示消极的，看成负例

我的理解：后面为预测结果，前面是预测结果的正确性。如：

T P—— 预测为 P （正例） , 预测对了，  则  原始：正 —> 结果：正，正例预测为正例

T N—— 预测为 N （负例） , 预测对了，  则 原始： 负 —> 结果：负，负例预测为负例

F P—— 预测为 P （正例） , 预测错了，  则  原始：负 —> 结果：正，负例预测为正例

F N—— 预测为 N （负例） , 预测错了，  则  原始：正 —> 结果：负，正例预测为负例

精确率：表示的是预测为正的样本中有多少是真正的正样本。

针对预测结果而言的：找出结果中为正例的，看一看对了几个

TP—— 预测为 P 正例 , 预测对了，  则  正 —> 结果：正，正例预测为正例

FP—— 预测为 P 正例 , 预测错了，  则  负 —> 结果：正，负例预测为正例

召回率：表示的是样本中的正例有多少被预测正确了

针对原始样本而言的：在结果中挑出原始为正例的样本，看一看有几个预测正确了

TP—— 预测为 P 正例 , 预测对了，  则  原始：正 —> 正，正例预测为正例

FN—— 预测为 N 负例 , 预测错了，  则  原始：正 —> 负，正例预测为负例

我的理解欢迎讨论。
————————————————
版权声明：本文为CSDN博主「静以修心-fan」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_28834001/article/details/102922993