看懂论文的机器学习基本知识（三）--假正例、假负例、ROC曲线

 1、假正例和假负例spa 假正例（False Positive）：预测为1，实际为0的样本3d 假负例（False Negative）:预测为0，实际为1的样本orm 实际预测中，那些真正例（True Positive）和真负例（True Negative）都不会形成损失（cost）。blog 那么，咱们假设一个假正例的损失是LFP，一个假负例的损失是LFN。图片 咱们能够获得一个损失矩阵：ip

>>阅读原文<<