FN、FP、TN、TP、precision、recall

最新推荐文章于 2024-05-30 14:21:38 发布

原创最新推荐文章于 2024-05-30 14:21:38 发布 · 1.7k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#FN #FP #TN #TP #recall

机器学习专栏收录该内容

23 篇文章

订阅专栏

本文详细解释了在算法评估和实验结果统计中常见的术语，包括FN（假阴性）、FP（假阳性）、TN（真阴性）、TP（真阳性）、Recall（召回率）和Precision（准确率）。这些术语对于理解机器学习模型的性能至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以下几个为在论文中实验结果统计中经常出现的术语
FN：False Negative，即被判定为负样本（Negative），实际为正样本（False）
FP：False Positive，即被判定为正样本（positive），实际为负样本（False）
TN：True Negative，即被判定为负样本（Negative），实际为负样本（True ）
TP：True Positive，即被判定为正样本（positive），实际为正样本（True ）
Recall：召回率，即判定结果中真正的正样本的个数与总样本中真正的正样本数的比值。