TP、TN、FP、FN主要用来统计两类分类的问题，当然多个类别也可以分别统计。将样本分为正样本（positive）和负样本(negative)。
TP、TN、FP、FN中第一个字母表示分类器识别结果是否正确，正确用True的首字母T表示，错误用False的首字母F表示。第二个字母表示分类器的判定结果，P表示分类器判定为正样本，N表示分类器判定为负样本。所以：
TP：分类器识别正确，分类器认为该样本为正样本；
TN：分类器识别正确，分类器认为该样本为负样本；
FP：分类器识别结果错误，分类器认为该样本是正样本；所以实际上该样本是负样本；
FN：分类器识别结果错误，分类器认为该样本是负样本；所以实际上该样本是正样本；
举例：
在这个图中 绿色的框是真实目标框， 红色的框是分类器的预测框
Original: https://blog.csdn.net/qq_46676829/article/details/126851626
Author: LHG@WL
Title: 分类精度评价中的TP、TN、FP、FN的理解
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/666663/
转载文章受原作者版权保护。转载请注明原作者出处！