0x00 TP、FN、FP、TN

TP: True Positive 被正确分类的正例

FN: False Negative 被错误分类的负例（本来是正例，错分为负例）

TN: True Negative 被正确分类的负例

FP: False Positive 被错误分类的正例（本来是负例，错分为正例）

总结就是第一个字母代表了是否被正确分类，第二个字母代表被预测为了什么样的例子，比如FN就是错误地预测为了负例，即为原先是正例，被错分为负例。或者一图以蔽之：

0x01 精确率、准确率和召回率

精确率、准确率和召回率就是从上面四个特性中延续出来的新的统计指标。

准确率（Accuracy）：准确率是预测正确的所占总体的比例，如下：

Accuracy=TP+TNTP+FN+FP+TN\text{Accuracy}=\frac{\text{TP+TN}}{\text{TP+FN+FP+TN}}

精确率（Precision）：精确率是针对预测结果而言的，表示预测为正的样本中，有多少预测正确了。或者说你认为的正样本中，有多少猜对了。如下：

Precision=TPTP+FP\text{Precision}=\frac{\text{TP}}{\text{TP+FP}}

召回率（Recall）：召回率相对原有的样本而言，表示样本中的正例（实际为正例）有多少预测正确了。召回率描述的是在所有的样本中，正样本被找回来了有多少，所以起名召回，如下：

Recall=TPTP+FN\text{Recall}=\frac{\text{TP}}{\text{TP+FN}}