tp,tn,fp,fn
时间: 2023-08-29 08:10:27 浏览: 110
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 ]
阅读全文