场景解释:
二分类场景会有两种输出。我的样本里有猫的图片和其他的图片。我的输出值是“是猫”和“非猫”。这个场景下,“是猫”是我的正样本(Postive)。“非猫”是我的负样本(Negative)。
Confusion matrix:
横向表示预测的结果。纵向表示真实的结果。
Postive和Negative用来表示预测的结果。预测“是猫”,则Positive。预测为“非猫”,则negative.
Ture和False用来表示预测正确与否。预测值与真实值一致则为True,不一致为False。
所以可以看到斜对角的Ture与False值是一致的。竖向同一列的Postive与Negative值是一致的。
所以四个格子的意思也很好理解:
TP:预测是猫,实际是猫
FP:预测是猫,其实非猫
FN:预测非猫,其实是猫