混淆矩阵中TN、TP、FN、FP的具体含义
时间: 2023-10-11 19:04:58 浏览: 359
混淆矩阵的应用.zip
混淆矩阵(Confusion Matrix)是评估分类模型性能的一种常用方法,它将模型的预测结果与真实结果对比,得到四个指标:真正例(True Positive, TP)、假正例(False Positive, FP)、真反例(True Negative, TN)和假反例(False Negative, FN)。
真正例(True Positive, TP):指模型将正例(Positive)正确地判定为正例的数量。
假正例(False Positive, FP):指模型将反例(Negative)错误地判定为正例的数量。
真反例(True Negative, TN):指模型将反例(Negative)正确地判定为反例的数量。
假反例(False Negative, FN):指模型将正例(Positive)错误地判定为反例的数量。
在混淆矩阵中,TP和TN代表模型的正确预测数,FP和FN代表模型的错误预测数。通过计算混淆矩阵中的四个指标,可以得到模型的准确率、精确率、召回率和F1值等评价指标。
阅读全文