一、概念整理

第一个字母T/F代表预测结果y_pred是否和实际情况y_test相符

第二个字母P/N代表预测结果的正负

TP：true positive，被判定为正样本，实际上也是正样本

TN：true negative，被判定为负样本，实际上也是负样本

FP：false positive，被判定为正样本，实际上是负样本

FN：false negative，被判定为负样本，实际上是正样本

二、应用指标

三、代码实现

confusion_matrix = confusion_matrix(y_test, y_pred)

[返回值]： ndarray of shape (n_classes, n_classes)

Confusion matrix whose i-th row and j-th column entry indicates the number of samples with true label being i-th class and predicted label being j-th class.
例如：confution_matrix = array([[28,  7],[ 3, 23]])
其中：n_classes = 2，class=0为负样本N，class=1为正样本P

28 -> 真值为0，预测为0 的样本数量 -> TN

7 -> 真值为0，预测为1 的样本数量 -> FP

3 -> 真值为1，预测为0 的样本数量 -> FN

23 -> 真值为1，预测为1 的样本数量 -> TP

confusion_matrix = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0])
# confusion_matrix = [[0 2],
#                     [1 1]]
tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel()
# (tn, fp, fn, tp) = (0,2,1,1)sensitivity = confusion_matrix[1,1]/(confusion_matrix[1,1]+confusion_matrix[1,0])
print('Sensitivity : ', sensitivity )specificity = confusion_matrix[0,0]/(confusion_matrix[0,0]+confusion_matrix[0,1])
print('Specificity : ', specificity)

机器学习FP、TP、FN、TN、sensitivity、specificity及代码实现相关推荐

TP FN TN FP到底是啥鹅
这样说吧比如有一群人去医院看病,医生水平有高低, 真有病的,医生说有病,这一群人算出比例,结果是TP, (真阳) 真有病的,医生说没病,就是FN(假阴), 没有病的,医生说没病(真阴),TN. ...
TP、TN、FP、FN、Recall、Miss Rate、MCC、F1 Score 等指标计算
对一个二分类问题,实际取值只有正.负两例,而实际预测出来的结果也只会有0,1两种取值.如果一个实例是正类,且被预测为正类,就是真正类(True Positive),如果是负类,被预测为正类,为假正类( ...
衡量二分类模型的统计指标（TN,TP,FN,FP,F1,准确,精确,召回,ROC,AUC）
文章目录 - 衡量二分类问题的统计指标分类结果混淆矩阵准确率精确率召回率 F1评分推导过程 ROC曲线.AUC - 衡量二分类问题的统计指标分类结果二分类问题,分类结果有以下四种情 ...
机器学习基础一（TP，TN，FP，FN等）
TP:预测为正向(P),实际上预测正确(T),即判断为正向的正确率 TN:预测为负向(N),实际上预测正确(T),即判断为负向的正确率 FP:预测为正向(P),实际上预测错误(F),误报率,即把负向判 ...
机器学习TP FP FN TN评价指标
TP.TN .FP .FN: T --true 表示正确 F--false 表示错误 P-- positive 表示积极的,看成正例 N--negative 表示消极的,看成负例我的理解:后面为预 ...
FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)评价指标详述
来自微信公众号:小白CV关注可了解更多CV,ML,DL领域基础/最新知识;如果你觉得小白CV对您有帮助,欢迎点赞/收藏/转发在机器学习领域中,用于评价一个模型的性能有多种指标,其中几项就是FP.FN ...
FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)是什么意思
在机器学习领域中,用于评价一个模型的性能有多种指标,其中几项就是FP.FN.TP.TN.精确率(Precision).召回率(Recall).准确率(Accuracy).这里我们就对这块内容做一个集中 ...
Python混淆矩阵（confusion_matrix）FP、FN、TP、TN、ROC，FROC，精确率(Precision)，召回率(Recall)，准确率(Accuracy)，F1分数详述与实现
目录一.FP.FN.TP.TN 二.准确率(Accuracy).精确率(Precision).召回率(Recall).F1score 2.1.准确率(Accuracy) 2.2.召回率(Recall ...
TP、TN、FP、FN
True Positive (真正, TP)被模型预测为正的正样本: True Negative(真负 , TN)被模型预测为负的负样本 : False Positive (假正, FP)被模型预测为 ...
分类评价指标：TP、TN、FP、FN、Recall，以及人脸识别评价指标TAR、FAR、FRR
文章目录: 1 关于gallery和probe的介绍 2 二分类常用评价指标 2.1 二分类常用的评价指标 2.2 混淆矩阵 2.3 评价指标 3 人脸识别基本概念 3.1 人脸验证(Face Ver ...

机器学习FP、TP、FN、TN、sensitivity、specificity及代码实现

一、概念整理

二、应用指标

三、代码实现

机器学习FP、TP、FN、TN、sensitivity、specificity及代码实现相关推荐

最新文章

热门文章