tp,tn,fp,fn

TP、TN、FP、FN是用来评估分类模型性能的指标。

TP（True Positive）表示被模型预测为正类的正样本，即实际为正类且被模型正确预测为正类的样本。

TN（True Negative）表示被模型预测为负类的负样本，即实际为负类且被模型正确预测为负类的样本。

FP（False Positive）表示被模型预测为正类的负样本，即实际为负类但被模型错误预测为正类的样本。

FN（False Negative）表示被模型预测为负类的正样本，即实际为正类但被模型错误预测为负类的样本。

这些指标可以用来计算查准率（Precision）和查全率（Recall）。

查准率表示模型预测为正类的样本中有多少比例是真正的正类样本，计算公式为：TP/(TP+FP)。

查全率表示所有真正的正类样本中有多少比例被模型预测为正类，计算公式为：TP/(TP+FN)。

这些指标可以帮助我们评估模型的准确性和召回率，从而更好地理解模型的性能。
#### 引用[.reference_title]
- *1* [TP、TN、FP、FN 含义](https://blog.csdn.net/weixin_40237209/article/details/125535734)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [TP、TN、FP、FN超级详细解析](https://blog.csdn.net/dongjinkun/article/details/109899733)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]