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；
一）
真正率（ True Positive Rate, TPR）或灵敏度（sensitivity）
TPR = TP /（TP + FN）
正样本预测结果数 / 正样本实际数
二）
真负率（True Negative Rate , TNR）或特指度（specificity）
TNR = TN /（TN + FP）
负样本预测结果数 / 负样本实际数
三）
假正率 （False Positive Rate, FPR）
FPR = FP /（FP + TN）
被预测为正的负样本结果数 /负样本实际数
四）
假负率（ False Negative Rate, FNR）
FNR = FN /（TP + FN）
被预测为负的正样本结果数 / 正样本实际数
举个例子
参考