在看論文《Measuring Vedio QoE from Encrypted Traffic》的時候看到TP（True Positives）、FP（False?Positives）、Precison、Recall的概念，這屬于數據挖掘方面的內容，學習之后特來記錄。

首先，下面這個表格可以比較清晰地給出各個情況的名字，也很好記。T：True ，F：False，這個true或者false用于判斷預測：若預測為1，實際為1 ，說明這個預測對了，是true的positive，記為TP；若預測為1，實際為0 ，說明這個預測對了，是false的positive，記為FP；以此類推另外兩個。

這幾個數據之間的比率也具有特定的意義。

True Positive Rate（真正率 , TPR）=TP/(TP+FN),即被正確預測的正樣本數目/實際正樣本數目。

True Negative Rate（真負率 , TNR）=TN/(TN+FP)，即被正確預測的負樣本數目/實際負樣本數目。

False Positive Rate(假正率, FPR)?= FP /(FP + TN),即被預測為正的負樣本結果數 /負樣本實際數?

False Negative Rate(假負率 , FNR)=FN /(TP + FN),即被預測為負的正樣本結果數 / 正樣本實際數

Precison=TP/(TP+FP)

Recall=TP/樣本總數（此處有疑問，論文與后注參考網站所說不符，此處為論文說法）

此網站說得較詳細，可以參考：http://www.fullstackdevel.com/computer-tec/data-mining-machine-learning/501.html

總結

以上是生活随笔為你收集整理的视频质量检测中的TP、FP、Reacll、Precision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。