一、 混淆矩阵( Confusion Matrix )

混淆矩阵是评判模型结果的一种指标，属于模型评估的一部分，常用于评判分类器模型的优劣。

首先要明白两个标志位的含义？第一位表示分类器是否预测正确，第二位表示分类器的预测结果。因此我们应该从后往前看，先看预测结果是Positive（正样本）还是Negative（负样本）？再看分类器有没有预测正确。

TP：True Positive，分类器预测结果为正样本，实际也为正样本，即正样本被正确识别的数量。

FP：False Positive，分类器预测结果为正样本，实际为负样本，即误报的负样本数量。

TN：True Negative，分类器预测结果为负样本，实际为负样本，即负样本被正确识别的数量。

FN：False Negative，分类器预测结果为负样本，实际为正样本，即漏报的正样本数量。

我的理解：以TP为例。TP，字面意思，真正的 正样本。首先一点