TN\FN TP FP

TN、FN、TP、FP是混淆矩阵中的四个元素，用于评估分类模型的性能。其中，TN表示真实为负样本且被模型正确分类的数量，FN表示真实为正样本但被模型错误分类的数量，TP表示真实为正样本且被模型正确分类的数量，FP表示真实为负样本但被模型错误分类的数量。

以下是计算查准率、查全率和假阳率的方法：
1. 查准率（Precision）：P = TP / (TP + FP)
2. 查全率（Recall）：R = TP / (TP + FN)
3. 假阳率（False Positive Rate）：FPR = FP / (FP + TN)

--相关问题--:
1. 什么是混淆矩阵？
2. 如何评估分类模型的性能？
3. 除了查准率和查全率，还有哪些评估指标？