一直以来，被召回率准确率精准率查全率查准率F1值混淆矩阵aucrocTPNPTNPN等等等等所困惑，每次需要知道具体的含义，都是去百度，百度完了看了就忘了，生气！百度了几十遍了！这回一定要总结完毕！

一、从混淆矩阵说起

混淆矩阵 confusion matrix		我预测的
		正类	负类
实际情况	正类	TP	FN	TP+FN=实际正样本数
	负类	FP	TN	FP+TN=实际负样本数
		TP+FP=我预测的正样本数	FN+TN=我预测的负样本数

图1 混淆矩阵

❤对于四个格子中的TPFNFPTN可以分成两部分来看：

首字母T/N：表示一种判断，即这种判断是True or False。例如TP，是把正类预测成正类，这个判断是对的，所以是T；例如TN，是把负类预测成负类，也是对的，所以T。

尾字母P/N：表示预测的结果，即预测成Positive or Negative。例如FN，预测结果就是负类N；FP，预测结果是正类P。

继续看混淆矩阵，我们可以知道正对角线上的两个值：TP TN，越大越好，因为这是两个代表判断正确的值，最好的结果就是正对角线上值最大，副对角线上值为0。

❤那么对于TP+FN，FP+TN，TP+FP，FN+TN要怎么快速反映出它代表的是什么呢？以前我总是慢慢推，但现在看来也有规律：

首先看首字母，首字母一定是一个T一个F；

然后看尾字母，如果尾字母不相同，那么就大胆的判断一定是实际情况，否则就是预测情况。例如我可以很快看出TP+FN一定是实际的某类样本数，而TP+FP一定不是实际情况。

既然这个加法算式的首字母一定是一个T一个F，那么我们就继续看T的后面，如果T后是P，那么就是正样本数，如果T后是N就是负样本数。

现在做个例题吧！TP+FN，由于字母没有重合，所以这是实际样本数；因为T后面是P，所以是正样本；总结起来就是TP+FN代表着实际情况中正样本的数量。

二、四大指标

有了TP TN FP FN之后，就可以慢慢推出其他指标，先理性的认识一下，就是看看公式：

精准率（Precision）=TP/(TP+FP)  #又叫查准率

 

标签：FP,预测,样本数,分类,TP,TN,性能指标,FN
来源： https://www.cnblogs.com/liuxiangyan/p/14391506.html