tp、tn、fp、fn表示什么

TP、TN、FP、FN是混淆矩阵（Confusion Matrix）中的四个指标，用于衡量分类模型的性能。

- TP（True Positive）：实际为正例的样本被正确地预测为正例的数量。
- TN（True Negative）：实际为负例的样本被正确地预测为负例的数量。
- FP（False Positive）：实际为负例的样本被错误地预测为正例的数量。
- FN（False Negative）：实际为正例的样本被错误地预测为负例的数量。

以二分类问题为例，混淆矩阵如下：

| 真实值/预测值 | 正例（Positive） | 负例（Negative） |
| --- | --- | --- |
| 正例（Positive） | TP | FN |
| 负例（Negative） | FP | TN |

其中，正例表示我们希望识别出来的目标，负例表示我们不希望识别出来的目标。通过混淆矩阵可以计算出一系列评价指标，如准确率、召回率、精确率、F1值等，用于评估分类模型的性能。