分类的评判标准：TP、TN、FP、FN

这四个值所代表的意义应该是做模式分类需要知道的基本知识了。以前是用的时候用一次查一次，但好像每次理解都不是特别到位。现在觉得真正理解了很有必要，就认真记录一下，帮助理解。

我们先从最简单的二分类说起：

假设我们现在有两类，一个正类，一个负类。对于每一个样本，有两个标签。一个是真正所属类别的标签，另一个是我们通过训练测试所赋予它的标签。后者是否与前者一致就成为了我们评价分类器表现好坏的一个标准。

 

这下就好办了：

TP(true positive):分类正确，把原本属于正类的样本分成正类。

TN(true negative):分类正确，把原本属于负类的样本分成负类。

FP(false positive):分类错误，把原本属于负类的错分成了正类。

FN(false negative):分类错误，把原本属于正类的错分成了负类。

 

由此延伸出来两种常用的比率：

TPR(true positive rate):

正类中分对的比例，也就是本属于正类，且被正确分类成正类占正类样本数的比例，计算公式为：

tp/(tp+fn)

 

FPR(false positive rate):

本属于负类但被错分占负类样本数的比例，计算公式为：

fp/(tn+fp)

 

常用的评价方式可参考http://m.blog.csdn.net/blog/liyuefeilong/44604001