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。
