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