在分类任务中，想要知道模型的好坏，是不是能够实际应用，那么必须有评价的标准，本文将详细说来。 如果不提到混淆矩阵，那么下面的概念就不好理解。我自己先默写了下，结果发现错了（错的全颠倒），错误示例如下： 上图错误的原因是不知道True/Positive这种概念是针对谁来说， 小明哥这里给出：True/False是针对（预测结果）这个预测是不是正确来说的，如果预测正确，那么为True，预测错误，即为False；Positive/Negative则是针对预测来说的（就是分类后的标签），联系下医学上的

在分类任务中，想要知道模型的好坏，是不是能够实际应用，那么必须有评价的标准，本文将详细说来。 如果不提到混淆矩阵，那么下面的概念就不好理解。我自己先默写了下，结果发现错了（错的全颠倒），错误示例如下： 上图错误的原因是不知道True/Positive这种概念是针对谁来说， 小明哥这里给出：True/False是针对（预测结果）这个预测是不是正确来说的，如果预测正确，那么为True，预测错误，即为False；Positive/Negative则是针对预测来说的（就是分类后的标签），联系下医学上的