看懂論文的機器學習基本知識（三）--假正例、假負例、ROC曲線

 1、假正例和假負例spa 假正例（False Positive）：預測爲1，實際爲0的樣本3d 假負例（False Negative）:預測爲0，實際爲1的樣本orm 實際預測中，那些真正例（True Positive）和真負例（True Negative）都不會形成損失（cost）。blog 那麼，咱們假設一個假正例的損失是LFP，一個假負例的損失是LFN。圖片 咱們能夠獲得一個損失矩陣：ip

>>阅读原文<<