以西瓜数据集为例，我们来详细解释一下什么是TP、TN、FP以及FN。
一、基础概念
- TP：被模型预测为正类的正样本
- TN：被模型预测为负类的负样本
- FP：被模型预测为正类的负样本
- FN：被模型预测为负类的正样本
二、通俗理解（以西瓜数据集为例）
以西瓜数据集为例，我们来通俗理解一下什么是TP、TN、FP、FN。
- TP：被模型预测为好瓜的好瓜（是真正的好瓜，而且也被模型预测为好瓜）
- TN：被模型预测为坏瓜的坏瓜（是真正的坏瓜，而且也被模型预测为坏瓜）
- FP：被模型预测为好瓜的坏瓜（瓜是真正的坏瓜，但是被模型预测为了好瓜）
- FN：被模型预测为坏瓜的好瓜（瓜是真正的好瓜，但是被模型预测为了坏瓜）
三、查准率、查全率
还是以西瓜数据集为例
（1）查准率、查全率代表的含义
- 查准率：模型挑出来的西瓜中有多少比例是好瓜
- 查全率：所有的好瓜中有多少比例是被模型挑出来的
（2）如何计算查准率、查全率
查准率用P来表示：
查全率用R来表示：
