TP、TN、FP、FN超级详细解析

768 阅读1分钟

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

image.png

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。

原文链接:blog.csdn.net/dongjinkun/…