考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被 预测成正类，即为真正类（True positive）,如果实例是负类被预测成正类，称之为假正类（False positive）。相应地，如果实例是负类被预测成负类，称之为真负类（True negative）,正类被预测成负类则为假负类（false
negative）。
列联表如下表所示，1代表正类，0代表负类。
|
|
|
预测
|
|
|
|
|
|
1
|
|
合计
|
|
实际
|
1
|
True Positive（TP）
|
False Negative（FN）
|
Actual Positive(TP+FN)
|
|
|
|
False Positive（FP)
|
True Negative(TN)
|
Actual Negative(FP+TN)
|
|
合计
|
|
Predicted Positive(TP+FP)
|
Predicted Negative(FN+TN)
|
TP+FP+FN+TN
|
从列联表引入两个新名词。
其一是真正类率(true positive rate ,TPR), 计算公式为TPR=TP/ (TP+
FN)，刻画的是分类器所识别出的 正实例占所有正实例的比例。
另外一个是负正类率(false positive rate, FPR),计算公式为FPR= FP / (FP + TN)，计算的是分类器错认为负类的正实例占所有负实例的比例。
还有一个真负类率（True Negative Rate，TNR），也称为specificity,计算公式为TNR=TN/ (FP+
TN) = 1 - FPR。
转自：http://baike.baidu.com/view/42249.htm
