二分类在二分类问题中，TPFPTNFN是非常清楚且易于理解的。TP(TruePositive):预测为1，真实值也为1->真阳性FP(FalsePositive):预测为1，真实值为0->假阳性TN(TrueNegative):预测为0，真实值也为0->真阴性FN(FalseNegative):预测为0，真实值为1->假阴性多分类多分类问题的TPFPTNFN可以通过混淆矩阵来说明。例如存在这样一个示例：y_true=[0,1,2,0,1,2]y_pred=[0,2,1,0,0,1]其混淆矩阵可以如下所示，混淆矩阵中，数字代表的是预测情况的次数，比如第一个方格中的2就表示，预测为0且真实值也为0

二分类在二分类问题中，TPFPTNFN是非常清楚且易于理解的。TP(TruePositive):预测为1，真实值也为1->真阳性FP(FalsePositive):预测为1，真实值为0->假阳性TN(TrueNegative):预测为0，真实值也为0->真阴性FN(FalseNegative):预测为0，真实值为1->假阴性多分类多分类问题的TPFPTNFN可以通过混淆矩阵来说明。例如存在这样一个示例：y_true=[0,1,2,0,1,2]y_pred=[0,2,1,0,0,1]其混淆矩阵可以如下所示，混淆矩阵中，数字代表的是预测情况的次数，比如第一个方格中的2就表示，预测为0且真实值也为0