二元分类问题中经常提到的TP,TN,FN,FP都是什么意思?

  统计/机器学习 监督式学习 模型验证    浏览次数: 886
6

二元分类问题中经常提到的TP,TN,FN,FP都是什么意思?

 

水煮鱼   2017-09-21 10:52



   3个回答 
10

第一个字母T和F代表true和false,是形容词。

第二个字母代表P和N阴性阳性,positive和negative,是预测结果。

所以现在翻译一下:

TP: true positive, 正确的阳性,说明预测是阳性,而且预测对了,那么实际也是正例。

TN: true negative, 正确的阴性,说明预测是阴性,而且预测对了,那么实际也是负例。

FP: false positive, 假阳性,说明预测是阳性,预测错了,所以实际是负例。

FN: false negative, 假阴性,说明预测是阴性,预测错了,所以实际是正例。

你只要记住第一个字母是形容词,就不容易搞混淆。

crazy_lau   2017-09-21 14:54

4

在二元分类中

TP:真阳性,真实值是1,预测值也是1

TN:真阴性,真实值是0,预测值也是0

FP:假阳性,真实值是0,预测值是1

FN:假阴性,真实值是1,预测值是0

其实很好记,第一个字母表示你的预测值是否正确,第二个字母表示你的预测值是什么。


CatalanFubini   2017-09-22 11:25

1

TP,FP,TN,FN其实就是你的预测结果的列联表(混淆矩阵)

可以参考什么是混淆矩阵(confusion matrix)-SofaSofa



可爱多   2017-09-25 10:52



  相关主题

k近邻算法(k-NN)怎么选k   2回答

多元分类的混淆矩阵   1回答

F1值会受到不平衡数据的影响吗?   2回答

利用交叉验证调参后还需要用完整的数据集重新训练吗?   2回答

机器学习里的ppv是什么意思?   1回答

什么是混淆矩阵(confusion matrix)   2回答

用python求二元分类的混淆矩阵   2回答

回归问题中的stratified cross validation?   2回答

如何在保持查全率不变的情况下提高查准率?   1回答

交叉验证是如何进行的?   1回答

micro和macro F1 score分别是什么意思?   2回答

测试集和验证集的区别?   4回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!