真正TP/真负TN/假正FP/假负FN.png

  • True Positive (真正, TP)被模型预测为正的正样本;
  • True Negative(真负 , TN)被模型预测为负的负样本 ;
  • False Positive (假正, FP)被模型预测为正的负样本;
  • False Negative(假负 , FN)被模型预测为负的正样本;

True Positive Rate(真正率 , TPR)或灵敏度(sensitivity)

TPR = TP / (TP + FN)

正样本预测结果数 / 正样本实际数


True Negative Rate(真负率 , TNR)或特指度(specificity)

TNR = TN / (TN + FP)

负样本预测结果数 / 负样本实际数


False Positive Rate (假正率,FPR)

FPR = FP / (FP + TN)

被预测为正的负样本结果数 / 负样本实际数


False Negative Rage(假负率,FNR)

FNR = FN / (FN + TP)

被预测为负的正样本结果数 / 正样本实际数


正确率

正确率P是指判断为正确的样本中,实际为正确样本的个数:

P = TP / (TP + FP)

召回率

召回率R是指所有正例样本中预测为正例样本的比例:

R = TP / (TP + FN)