评价模型的参数 TP、TN、FP、FN

一、基础概念

• TP：被模型预测为正类的正样本
• TN：被模型预测为负类的负样本
• FP：被模型预测为正类的负样本
• FN：被模型预测为负类的正样本

	预测为正样本（Positive）	预测为负样本（Negative）
实际为正样本（True）	TP（真正例）	FN（假反例）
实际为负样本（False）	FP（假正例）	TN（真反例）

二、通俗理解（以西瓜数据集为例）

以西瓜数据集为例，我们来通俗理解一下什么是TP、TN、FP、FN。

• TP：被模型预测为好瓜的好瓜（是真正的好瓜，而且也被模型预测为好瓜）
• TN：被模型预测为坏瓜的坏瓜（是真正的坏瓜，而且也被模型预测为坏瓜）
• FP：被模型预测为好瓜的坏瓜（瓜是真正的坏瓜，但是被模型预测为了好瓜）
• FN：被模型预测为坏瓜的好瓜（瓜是真正的好瓜，但是被模型预测为了坏瓜）

三、查准率、查全率

还是以西瓜数据集为例

（1）查准率、查全率代表的含义

• 查准率：模型挑出来的西瓜中有多少比例是好瓜
• 查全率：所有的好瓜中有多少比例是被模型挑出来的

（2）如何计算查准率、查全率

查准率用P来表示：

$$P= TP/(TP+FP)$$

查全率用R来表示：

$$R=TP(TP+FN)$$