正解TP/FP/TN/FN评价指标

Posted 算法与编程之美

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了正解TP/FP/TN/FN评价指标相关的知识,希望对你有一定的参考价值。

问题

机器学习分类任务中常见的指标有TP/FP/TN/FN四种,初学者往往很难区分这四个概念。本文将采用简洁的方式,清晰的介绍四者之间的区别。

区别

四个 指标中,TP和TN是比较好理解的,FP和FN是比较容易混淆的,因此需要特别留意。

  • TP (True Positive) 能够检测到正例,即预测和实际都为P;
  • FP (False Postive) 错误的正例,即误将负例检测为正例,亦即预测为P,实际为N;
  • TN (True Negative) 能够检测到负例,即预测和实际都为N;
  • FN (False Negative) 错误的负例,即误将正例检测为负例,亦即预测为N,实际为P;

以上是关于正解TP/FP/TN/FN评价指标的主要内容,如果未能解决你的问题,请参考以下文章

Detection:目标检测常用评价指标的学习总结(IoUTPFPTNFNPrecisionRecallF1-scoreP-R曲线APmAP ROC曲线TPRFPR和AUC)

目标检测的评价标准mAP, Precision, Recall, Accuracy

常用的评价指标:accuracyprecisionrecallf1-scoreROC-AUCPR-AUC

生动理解深度学习中常用的各项评价指标含义TPFPTNFNRecallIoUAccuracy

机器学习周志华——学习器性能度量

AUC、ROC、FROC简介