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: 1420
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 
11

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。

SofaSofa数据科学社区 DS面经 问答 实战

crazy_lau   2017-09-21 14:54

非常棒的解释,终于不再被这四个名词唬得一脸懵逼了 - claudehang   2018-08-05 10:08
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。


SofaSofa数据科学社区 DS面经 问答 实战

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



SofaSofa数据科学社区 DS面经 问答 实战

可爱多   2017-09-25 10:52



  相关主题

precision-recall曲线下面积有什么意义?   3回答

什么是混淆矩阵(confusion matrix)   2回答

F1值会受到不平衡数据的影响吗?   2回答

多元分类的混淆矩阵   1回答

k近邻算法(k-NN)怎么选k   2回答

机器学习里的ppv是什么意思?   1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

用python求二元分类的混淆矩阵   2回答

Stratified k-fold cross validation(分层交叉验证)   1回答

回归问题中的stratified cross validation?   2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



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!