看着簡單，但每次一用就暈，總結一下。
TP、True Positive 真陽性：預測爲正，實際也爲正
FP、False Positive 假陽性：預測爲正，實際爲負
FN、False Negative 假陰性：預測與負、實際爲正
TN、True Negative 真陰性：預測爲負、實際也爲負。
也就是說，預測和實際一致則爲真，預測和實際不一致則爲假；如果預測出來是“正”的，則爲“陽”，預測結果爲 “負”，則爲“陰”。
先看一個簡單的二分類問題。
比如說總共有100個人，其中60個人患有疾病，40個人是健康的。我們的要找出裏面的病人，我們一共找出了50個我們認爲的病人，其中40個確實是病人，另外10個是健康的。因爲我們要找的是“病人”，所以“病人”就是正樣本，健康者是負樣本。
TP 正陽性：預測爲正，實際也爲正，也就是預測爲病人，實際也是病人的樣本數目，一個有40個。
FP 假陽性：預測爲正，實際爲負。預測爲病人，但實際不是病人，有10個。
FN 假陰性：預測爲負，實際爲正。我們找出了50個我們認爲的病人，剩下50個我們認爲都是健康的，但事實上剩下的50個人中，有20個是病人。這20個就是假陰性的數目。預測沒病，但實際有病。
TN 真陰性：預測爲負，實際爲負。我們找出了50個我們認爲的病人，剩下的50個就是我們預測的負樣本，但是這50個樣本中，有20個是病人，剩下30個纔是負樣本，所以真陰性的個數爲30。
以一個等級預測爲例。
|
人員 |
璇璇 |
曉慧 |
美君 |
魚丸 |
奶副 |
菌菇 |
鐵釦 |
甜甜 |
夢慧 |
|
實際等級 |
A |
A |
A |
B |
B |
B |
C |
C |
C |
|
預測等級 |
A |
A |
B |
B |
A |
C |
C |
B |
B |
爲了敘述方便，下文一律把“等級”稱呼爲“類”。
首先看真陽性TP：預測爲正，實際也爲正。也就說本來屬於哪個類，預測出來還是那個類，就叫真陽性。對於類A而言，實際是A，預測出來還是A的有“璇璇”和“曉慧”，那麼類A的真陽性TP的個數爲2。對於類B而言，實際是B，預測出來還是B(說成預測出來是B，實際也是B是等效的)的只有“魚丸”，所以類B的真陽性個數爲1。同理對於類C而言，真陽性TP的個數也爲1。
接下來看假陽性FP：預測爲正，實際爲負。就是說你預測她是某個類，但她實際不是，就是假陽性。對於類A而言，假陽性FP的個數爲1，就是“奶副”，預測爲A，但實際是B。對於類B而言，假陽性FP的個數爲3，分別是“美君”，“夢慧”和“甜甜”，預測出來是B，但實際都不是。類C的假陽性FP個數爲1，是“菌菇”，預測出來是C，但實際是B。
假陰性FN，預測與負、實際爲正。就是預測不是，但是實際是，還是結合前邊的表格來看。對於類A而言，假陰性就是預測不是A，但實際是A(注意和假陽性的區別)，這樣的情況有“美君”，預測爲B（負），但實際是A（正）所以類A假陰性的個數爲1。類B假陰性的，有“奶副”和“菌菇”，所以爲2。同理類C的假陰性個數爲2，分別是“甜甜”和“夢慧”。
至於真陰性在多分類中的應用我暫時還沒搞明白。不過無礙，畢竟還是用Precision和Recall比較多，而這兩個用不到真陰性。
如有錯誤，敬請指明。