分类：正误分类的一些基础概念

相信大家以前都听过一则《狼来了》的寓言故事，以此来警示各位小朋友不要向大人说谎，寓言大致讲的是一个调皮的牧羊小孩，三番五次的谎称狼来了以此来捉弄大家，而当狼真的来时就没人再相信他说的话了。

用狼来了的故事来举例，村民们其实只关注一个结果：狼真的来了吗？为了进行统计实验，首先需要对该结果集做一个定义：

• 正例（Positive）：狼来了。
• 负例（Negative）：狼没来。

而牧童作为观察者，对该结果进行经验性地预测，这时我们就会分别得到四种预测结果：

• 真正例（True Positive / TP）：真的狼来了，实际来了。
• 假负例（False Positive / FP）：假的狼来了，实际没来。
• 真负例（True Negative / TN）：真的狼没来，实际没来。
• 真负例（False Negative / FN）：假的狼没来，实际来了。

再进一步概述就是，TP/TN 指模型正确的预测了结果，而 FP/FN 代表模型错误的预测了结果。对于牧童而言，由于他每次都传递错误的结果，就导致他预测的准确性在村民的心中已经不可行，因此当他在传递正确的结果时，已经没有人再相信它了。