TP：預測為正向（P），實際上預測正確（T），即判斷為正向的正確率

TN：預測為負向（N），實際上預測正確（T），即判斷為負向的正確率

FP：預測為正向（P），實際上預測錯誤（F），誤報率，即把負向判斷成了正向

FN：預測為負向（N），實際上預測錯誤（F），漏報率，即把正向判斷稱了負向

?

準確率Accuracy=（TP+TN） / （TP+FP+TN+FN）， 即預測正確的比上全部的數據

精確率Precision=TP / （TP+FP），即在預測為正向的數據中，有多少預測正確了

召回率Recall=TP / （TP+FN），即在所有正向的數據中，有多少預測正確了

轉載于:https://www.cnblogs.com/robinYangRP/p/9471783.html

總結

以上是生活随笔為你收集整理的机器学习基础一（TP，TN，FP，FN等）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。