一张图理解什么是TP、FN、FP、TN
| | 预测 | ||
| P | N | ||
| 实际 | P | TP | FN |
| N | FP | TN | |
精确率：precision = TP / (TP + FP)
召回率：recall = TP / (TP + FN)
准确率：accuracy = (TP + TN) / (TP+ FP + TN + FN)
F1 Score = 2*（P*R）/ (P+R)，其中P和R分别为 precision 和recall。
举例
总样本（实际）： P 80, N 20
检测（预测）结果：P 90，其中 72 TP，18 FP(=N)； N 10，其中 TN 2，FN(=P) 8
列表如下：
| | 预测 | ||
| P 90 | N 10 | ||
| 实际 | P 80 | TP=72 | FN=8 |
| N 20 | FP=18 | TN=2 | |
精确率：precision = TP / (TP + FP) = 72 / (72 + 18) = 80%
召回率：recall = TP / (TP + FN) = 72 / (72 + 8) = 90%
准确率：accuracy = (TP + TN) / (TP+ FP + TN + FN) = 74 / 100 = 74%
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！