本文主要是介绍机器学习分类评估四个术语TP，FP，FN,TN，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
分类评估方法主要功能是用来评估分类算法的好坏，而评估一个分类器算法的好坏又包括许多项指标。了解各种评估方法，在实际应用中选择正确的评估方法是十分重要的。
这里首先介绍几个常见的模型评价术语，现在假设我们的分类目标只有两类，计为正例(positive)和负例(negative)分别是:
1.True positives(TP):被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数;
2.False positives(FP):被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数;
3.False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数
4.True negatives(TN):被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。
这篇关于机器学习分类评估四个术语TP，FP，FN,TN的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
