TP FP TN FN

转自：

作者：Charles Xiao
链接：https://www.zhihu.com/question/19645541/answer/91694636
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

纠正下，精确率(precision)和准确率(accuracy)是不一样的，题主问的应该是精确率与召回率之间的差别。

一.定义辨析

刚开始接触这两个概念的时候总搞混，时间一长就记不清了。

实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是
$P = \frac{TP}{TP+FP}$
而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。
$R = \frac{TP}{TP+FN}$

其实就是分母不同，一个分母是预测为正的样本数，另一个是原来样本中所有的正样本数。

&lt;img src="https://pic3.zhimg.com/50/d701da76199148837cfed83901cea99e_hd.png" data-rawwidth="400" data-rawheight="727" class="content_image" width="400"&gt;在信息检索领域，精确率和召回率又被称为在信息检索领域，精确率和召回率又被称为查准率和查全率，

查准率＝检索出的相关信息量 / 检索出的信息总量
查全率＝检索出的相关信息量 / 系统中的相关信息总量

二.举个栗子

假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。

TP: 将正类预测为正类数 40
FN: 将正类预测为负类数 20
FP: 将负类预测为正类数 10
TN: 将负类预测为负类数 30

准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision) = TP/(TP+FP) = 80%
召回率(recall) = TP/(TP+FN) = 2/3

除此之外，还有ROC曲线，PR曲线，AUC等评价指标，可以参见我的博客：机器学习性能评估指标

TP FP TN FN相关推荐

正解TP/FP/TN/FN评价指标
问题机器学习分类任务中常见的指标有TP/FP/TN/FN四种,初学者往往很难区分这四个概念.本文将采用简洁的方式,清晰的介绍四者之间的区别. 区别四个指标中,TP和TN是比较好理解的,FP和FN ...
真阳假阳真阴假阴指标（TP,FP,TN,FN）精度Precision 准确率Accuracy 召回率Recall 总结
检测相关指标(TP,FP,TN,FN)总结表格指标定义公式备注真阳性 (True Positive, TP) 预测为阳性,实际为阳性 - - 假阳性 (False Positive, FP) ...
AUC TP FP TN FN recall fpr 混淆矩阵
TPR/FPR /召回率/精确率 TPR=召回率,正样本中预测正确的占比: FPR:负样本中预测为正样本的占比,也就是负样本中预测错误的占比 from sklearn import metrics y ...
tp,fp,tn,fn的计算
为了计算precision和recall,与所有机器学习问题一样,我们必须鉴别出True Positives(真正例).False Positives(假正例).True Negatives(真负例) ...
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 ...
一文讲清楚目标检测中mAP、AP、precison、recall、accuracy、TP、FP、FN、TN
TP.FP.FN.TN 分类中TP.FP.FN.TN含义目标检测中TP.FP.FN.TN的含义 precision .recall .accuracy precision recall accura ...
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 ...
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 ...
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 ...

TP FP TN FN

TP FP TN FN相关推荐

最新文章

热门文章