以西瓜数据集为例,我们来详细解释一下什么是TP、TN、FP以及FN。
一、基础概念
TP:被模型预测为正类的正样本
TN:被模型预测为负类的负样本
FP:被模型预测为正类的负样本,即误报的负样本数量
FN:被模型预测为负类的正样本,即漏报的正样本数量
二、通俗理解(以西瓜数据集为例) 以西瓜数据集为例,我们来通俗理解一下什么是TP、TN、FP、FN。
TP:被模型预测为好瓜的好瓜(是真正的好瓜,而且也被模型预测为好瓜)
TN:被模型预测为坏瓜的坏瓜(是真正的坏瓜,而且也被模型预测为坏瓜)
FP:被模型预测为好瓜的坏瓜(瓜是真正的坏瓜,但是被模型预测为了好瓜)
FN:被模型预测为坏瓜的好瓜(瓜是真正的好瓜,但是被模型预测为了坏瓜)
扩展概念
TP+FN: 真实正样本的总和,正确分类的正样本数量+漏报的正样本数量。
FP+TN: 真实负样本的总和,负样本被误识别为正样本数量+正确分类的负样本数量。
TP+TN: 正确分类的样本总和,正确分类的正样本数量+正确分类的负样本数量。