TP == True Positives
其指的是被分配为正样本，而且分配对了的样本，代表的是被正确分类的正样本。
白话：正确的预测该样本，且样本为正样本，即
预测正确
，也是模型最需要实现的东西
TN == True Negatives
其指的是被分配为负样本，而且分配对了的样本，代表的是被正确分类的负样本。
白话：正确的预测该样本，且样本为负样本，即
预测正确
，也是模型最需要实现的东西
FP == False Positives
其指的是被分配为正样本，但分配错了的样本，代表的是被错误分类的负样本。
白话：本身为负样本，但却错误的预测为正样本，即
误检
FN == False Negatives
其指的是被分配为负样本，但分配错了的样本，代表的是被错误分类的正样本。
白话：本身为正样本，却错的预测为负样本，即
漏检
#################################################################################
最后放一个抄来的图
版权声明：本文为Ricaido_che原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。