TP,TN,FP,FN，准确率，召回率，精确率

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

TP:true positive    你认为是正样本，事实上也被判定为正样本

TN:true negative    你认为是负样本，事实上也被判定为负样本

FP:false positive    你认为是正样本，事实上被判定为负样本

FN=false negative　　你认为是负样本，事实上也被判定为正样本

第二个字母：What's your judgment about the sample?；第一个字母：Is your judgment true or false?

图解：

		预测
		P	N
实际	P	TP	FN
	N	FP	TN

准确率(Accuracy):模型判断正确的数据(TP+TN)占总数据的比例

recall：召回率，查全率，针对数据集中的所有正例(TP+FN)而言,模型正确判断出的正例(TP)占数据集中所有正例的比例

precesion：精确率，针对模型判断出的所有正例(TP+FP)而言,其中真正例(TP)占模型判断出的所有正例的比例.

区分好召回率和精确率的关键在于:

召回率针对的是数据集中的所有正例,精确率针对的是模型判断出的所有正例

 明天学习此文章  https://cloud.tencent.com/developer/article/1490456