機器學習部分：混淆矩陣問題（Confusion Matrix）

混淆矩陣是除了ROC曲線和AUC之外的另一個判斷分類好壞程度的方法。 對以上混淆矩陣的解釋： P：樣本數據中的正例數。 N：樣本數據中的負例數。 Y：通過模型預測出來的正例數。 N：通過模型預測出來的負例數。 True Positives:真陽性，表示實際是正樣本預測成正樣本的樣本數。 Falese Positives:假陽性，表示實際是負樣本預測成正樣本的樣本數。 False Negatives

>>阅读原文<<