二分类模型是较常见和较一般化的情形,它预测的混淆矩阵可表示为




其中,

  
TP(True Positive,真正例)为被正确划分为正例的样本数;

  
FP(False Positive,假正例)为被错误划分为正例的样本数;

  
TN(True Negative,真负例)为被正确划分为负例的样本数;

  
FN(False Negative,假负例)为被错误划分为负例的样本数。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。