分类评价指标
- 基础概念解释 TP、TN、FP、FN
这里T是True，F是False，P为Positive，N为Negative
TP：被模型正确地预测为正样本（原本为正样本，预测为正样本）
TN：被模型正确地预测为负样本（原本为负样本，预测为负样本）
FP：被模型错误地预测为正样本（原本为负样本，预测为正样本）
FN：被模型错误地预测为负样本（原本为正样本，预测为负样本）
| 实际情况/预测情况 | 正例 | 反例 |
| 正例 | TP | FN |
| 反例 | FP | TN |
- 常见计算指标
| 缩写 | 公式 | 解释 |
| Recall | 正样本数据被预测正确的概率，数据召回率 | |
| Precision | 所有预测为正例的结果中，正确的预测比例 | |
| Accuracy | 所有预测中，正确占比 (适用样本正反例数量相当的情况) |