tp fp tn fn python代码

TP（真正例）：在二元分类中，预测为正例且实际为正例的样本数。

FP（假正例）：在二元分类中，预测为正例但实际为负例的样本数。

TN（真负例）：在二元分类中，预测为负例且实际为负例的样本数。

FN（假负例）：在二元分类中，预测为负例但实际为正例的样本数。

以下是Python代码示例：

# 假设有一个二元分类问题，y_true是实际标签，y_pred是预测标签
y_true = [1, , 1, , 1, , , 1, 1, ]
y_pred = [1, , , , 1, 1, , 1, 1, 1]

# 计算TP、FP、TN、FN
tp = 
fp = 
tn = 
fn = 
for i in range(len(y_true)):
    if y_true[i] == 1 and y_pred[i] == 1:
        tp += 1
    elif y_true[i] ==  and y_pred[i] == 1:
        fp += 1
    elif y_true[i] ==  and y_pred[i] == :
        tn += 1
    elif y_true[i] == 1 and y_pred[i] == :
        fn += 1

# 输出结果
print("TP:", tp)
print("FP:", fp)
print("TN:", tn)
print("FN:", fn)