Матрица ошибок (Confusion matrix)

 Случай бинарной классификации

В случае бинарной классификации метка класса $y$ принимает значение $+1$ (положительный класс) или $-1$ (отрицательный). Вводятся 4 вида штрафов:

• True positive (TP). $TP = \sum _{i = 0} ^n [a(x_i) = +1][y_i = +1]$
• True negative (TN). $TN = \sum _{i = 0} ^n [a(x_i) = -1][y_i = -1]$
• False positive (FP). $FP = \sum _{i = 0} ^n [a(x_i) = +1][y_i = -1]$
• False negative (FN). $FN = \sum _{i = 0} ^n [a(x_i) = -1][y_i = +1]$

P означает что классификатор определяет класс объекта как положительный (N - отрицательный). T - значит что класс предсказан правильно (соответственно N - неправильно).