[机器学习]False Positive和False Negative

一、简介

本文介绍了机器学习中对于模型精度的描述，包括 True Positive, True Negative, False Positive 和 False Negative。

二、什么是True/False + Positive/Negative

假设我们有一个预测模型，该模型的预测结果可能为 Positive 也可能为 Negative ，而真实的结果也可能存在 Positive 和 Negative 两种情况，根据模型预测结果与真实结果两两搭配即可得到以下表格：

总结来讲：

• True Positive: 模型预测为 Positive 并且真实情况也为 Positive；
• False Positive: 模型预测为 Positive 但是真实情况为 Negative；
• False Negative: 模型预测为 Negative 但是真实情况为 Positive；
• True Negative: 模型预测为 Negative 并且真实情况也为 Negative；
  因此： True/False + Positive/Negative 中的 True/False 是用来描述 预测结果跟真实结果是否相同的，后面的 Positive/Negative 是模型的预测结果。

三、参考

[1].Machine Learning Accuracy: True-False Positive/Negative [2024]