1. TP、TN、FP、FN举例说明
    1. 1. 混淆矩阵
    2. 2. TP、TN、FP、FN解释说明
    3. 3. 举例说明

TP、TN、FP、FN举例说明

1. 混淆矩阵

也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示.

混淆矩阵中:

  • 横轴是模型预测的类别数量统计,
  • 纵轴是数据真实标签的数量统计。
  • 对角线表示模型预测和数据标签一致的数目,所以对角线之和除以测试集总数就是准确率。对角线上数字越大越好,在可视化结果中颜色越深,说明模型在该类的预测准确率越高。

下面是维基百科的图片:

2. TP、TN、FP、FN解释说明

行表示预测的label值,列表示真实label值
TP:True Positive, 被判定为正样本,事实上也是正样本。
FP:False Positive,被判定为正样本,但事实上是负样本。
TN:True Negative, 被判定为负样本,事实上也是负样本。
FN:False Negative,被判定为负样本,但事实上是正样本。

3. 举例说明

伊索寓言:狼来了(精简版)

有一位牧童要照看镇上的羊群,但是他开始厌烦这份工作。为了找点乐子,他大喊道:“狼来了!”其实根本一头狼也没有出现。村民们迅速跑来保护羊群,但他们发现这个牧童是在开玩笑后非常生气。
[这样的情形重复出现了很多次。]
一天晚上,牧童看到真的有一头狼靠近羊群,他大声喊道:“狼来了!”村民们不想再被他捉弄,都待在家里不出来。这头饥饿的狼对羊群大开杀戒,美美饱餐了一顿。这下子,整个镇子都揭不开锅了。恐慌也随之而来。

我们做出以下定义:

“狼来了”是正类别。
“没有狼”是负类别。

使用一个 2x2 混淆矩阵来总结我们的“狼预测”模型,该矩阵描述了所有可能出现的结果(共四种):

langlaile


技术交流学习,请加QQ微信:631531977
目录