第一個字母T和F代表true和false晃虫，是形容詞。
第二個字母代表P和N陰性陽性扣墩，positive和negative哲银，是預測結果。
所以現在翻譯一下：
TP: true positive, 正確的陽性呻惕，說明預測是陽性荆责，而且預測對了，那么實際也是正例蟆融。
TN: true negative, 正確的陰性草巡，說明預測是陰性，而且預測對了型酥，那么實際也是負例山憨。
FP: false positive, 假陽性，說明預測是陽性弥喉，預測錯了郁竟，所以實際是負例。
FN: false negative, 假陰性由境，說明預測是陰性棚亩，預測錯了，所以實際是正例虏杰。
第一個字母表示你的預測值是否正確讥蟆，第二個字母表示你的預測值是什么。
評價指標：
1）正確率（accuracy）
正確率是我們最常見的評價指標纺阔，accuracy = （TP+TN）/(P+N)瘸彤，這個很容易理解，就是被分對的樣本數除以所有的樣本數笛钝，通常來說质况，正確率越高，分類器越好玻靡；
2）錯誤率（error rate)
錯誤率則與正確率相反结榄，描述被分類器錯分的比例，error rate = (FP+FN)/(P+N)囤捻，對某一個實例來說臼朗，分對與分錯是互斥事件，所以accuracy =1 - error rate；
3）靈敏度（sensitive）
sensitive = TP/P依溯，表示的是所有正例中被分對的比例老厌，衡量了分類器對正例的識別能力；
4）特效度（specificity)
specificity = TN/N黎炉，表示的是所有負例中被分對的比例枝秤，衡量了分類器對負例的識別能力；
5）精度（precision）
精度是精確性的度量慷嗜，表示被分為正例的示例中實際為正例的比例淀弹，precision=TP/（TP+FP）；
6）召回率（recall）
召回率是覆蓋面的度量庆械，度量有多個正例被分為正例薇溃，recall=TP/(TP+FN)=TP/P=sensitive，可以看到召回率與靈敏度是一樣的缭乘。
