一、TP TN FP FN
TP:标签为正例,预测为正例(P),即预测正确(T)
TN:标签为负例,预测为负例(N),即预测正确(T)
FP:标签为负例,预测为正例(P),即预测错误(F)
FN:标签为正例,预测为负例(N),即预测错误(F)
其中 T:True F:False P:Positive N:Negative
由于缩写较为难记,我将其分别记为:真的正样本(TP),真的负样本(TN),假的正样本(FP),假的负样本(FN)
二、accuracy precision recall
准确率:accuracy = (TP + TN) / (TP + TN + FP + FN),即预测正确的样本占所有样本的比例
精度:precision = TP / (TP + FP),即真的正样本占所有被预测为正样本的比例
召回率:recall = TP / (TP + FN),即所有正样本中有多少被正确预测出来