混淆矩阵的四个象限如何解读？
请画出**混淆矩阵(Confusion Matrix)**的结构，并解释TP、FP、FN、TN四个值的含义及衍生指标。
回答
孤独的心
混淆矩阵是2×2矩阵：行=真实类别，列=预测类别。┌─────────────┬──────────┬──────────┐│ │ 预测正类 │ 预测负类 │├─────────────┼──────────┼──────────┤│ 真实正类 │ TP(真阳) │ FN(假阴) ││ 真实负类 │ FP(假阳) │ TN(真阴) │└─────────────┴──────────┴──────────┘ 衍生指标：(1)Accuracy=(TP+TN)/(TP+TN+FP+FN) (2)Precision=TP/(TP+FP) (3)Recall/TPR=TP/(TP+FN) (4)Specificity=TNR=TN/(TN+FP) (5)FPR=FP/(FP+TN)=1-Specificity (6)F1=2P·R/(P+R)。混淆矩阵是计算所有分类指标的基础。