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，即把负向判断成了正向

FN：预测为负向（N），实际上预测错误（F），漏报率，即把正向判断称了负向

准确率Accuracy=（TP+TN） / （TP+FP+TN+FN），即预测正确的比上全部的数据

精确率Precision=TP / （TP+FP），即在预测为正向的数据中，有多少预测正确了

召回率Recall=TP / （TP+FN），即在所有正向的数据中，有多少预测正确了

转载于:https://www.cnblogs.com/robinYangRP/p/9471783.html

机器学习基础一（TP，TN，FP，FN等）相关推荐

【机器学习基础】TP,TN,FP,FN,Precision，Recall，PR曲线，AP，MAP，TPR，FPR,ROC曲线，AUC值等的解释
1.TP,TN,FP,FN: 下面两个图说的就很明白了吧.左侧有点混淆矩阵的感觉 P:标签为正样本. N:标签为负样本. T:预测对了. F:预测错了 TP:正 ...
TP,TN,FP,FN,F1,TPR,FPR (一图看懂)
TP,TN,FP,FN,F1,TPR,FPR (一图看懂) 手画了一个图,应该挺清楚的吧,懂了吗?
TP TN FP FN
from: http://blog.chinaunix.net/uid-446337-id-94448.html 对一个二分问题来说,会出现四种情况.如果一个实例是正类并且也被预测成正类,即为真正类( ...
TP TN FP FN IOU
第一个字母T和F代表true和false,是形容词. 第二个字母代表P和N阴性阳性,positive和negative,是预测结果. TP: true positive, 正确的阳性,说明预测是阳性, ...
敏感度、特异性：TP TN FP FN sensitivity Accuracy
参考资料: 维基百科:https://en.wikipedia.org/wiki/Precision_and_recall https://en.wikipedia.org/wiki/Sensitiv ...
目标检测 TP\FP\FN\TN如何理解？FN和TN无意义
1.TP TN FP FN的概念 TP TN FP FN里面一共出现了4个字母,分别是T F P N. T是True: F是False: P是Positive: N是Negative. T或者F代表的 ...
深度学习-2.机器学习基础
机器学习基础机器学习问题举例性能度量P 容量.过拟合和欠拟合定义性质相关理论奥卡姆剃刀原理没有免费的午餐定理监督学习算法概率监督学习--逻辑回归(Logistic Regressio ...
机器学习基础（一）混淆矩阵，真阳性(TP)，真阴性(TN)，假阳性(FP)，假阴性(FN)以及敏感性(Sensitivity)和特异性(Specificity)
机器学习基础(一) 混淆矩阵真阳性,真阴性,假阳性,假阴性敏感性,特异性混淆矩阵混淆矩阵如下图:这里以是否有心脏病举例(二分类举例),列代表机器学习算法所做的预测,有心脏病还是没有心脏病,行代 ...
「机器学习速成」分类，评估指标(TP、FP、TN、FN)，ROC曲线和AUC
https://www.toutiao.com/a6706449645901464078/ 2019-06-25 20:49:47 大家好,今天我们学习[机器学习速成]之分类,评估指标(TP.FP. ...

机器学习基础一（TP，TN，FP，FN等）

机器学习基础一（TP，TN，FP，FN等）相关推荐

最新文章

热门文章