TP,TN,FP,FN，准確率，召回率，精確率

P=positive    N=negative    T=true    F=false

TP:true positive    你認為是正樣本，事實上也被判定為正樣本

TN:true negative    你認為是負樣本，事實上也被判定為負樣本

FP:false positive    你認為是正樣本，事實上被判定為負樣本

FN=false negative　　你認為是負樣本，事實上也被判定為正樣本

第二個字母：What's your judgment about the sample?；第一個字母：Is your judgment true or false?

圖解：

		預測
		P	N
實際	P	TP	FN
	N	FP	TN

准確率(Accuracy):模型判斷正確的數據(TP+TN)占總數據的比例

recall：召回率，查全率，針對數據集中的所有正例(TP+FN)而言,模型正確判斷出的正例(TP)占數據集中所有正例的比例

precesion：精確率，針對模型判斷出的所有正例(TP+FP)而言,其中真正例(TP)占模型判斷出的所有正例的比例.

區分好召回率和精確率的關鍵在於:

召回率針對的是數據集中的所有正例,精確率針對的是模型判斷出的所有正例

 明天學習此文章  https://cloud.tencent.com/developer/article/1490456