深度学习 | 如何理解混淆矩阵中的TP,FN,FP,TN【看这一篇就够了】

0-前言

我在做深度学习中的目标检测时，模型完成训练后，生成的文件中，会有confusion_matrix.png，这个文件。虽然我知道这是混淆矩阵，正如它的名字，时间一久，就忘记了相关的概念，特别是会混淆FP和FN的概念。

1-什么是混淆矩阵？

1.1 概念

混淆矩阵是一种用于评估分类模型性能的工具，特别是在监督学习中。它通过将模型的预测结果与实际标签进行对比，以表格的形式展示模型在不同类别上的分类情况。混淆矩阵可以帮助我们直观地了解模型的分类性能，包括正确分类和错误分类的情况。

1.2 结构

混淆矩阵的行表示模型的预测类别，列表示实际的类别。对于一个二分类问题，混淆矩阵是一个 2x2 的矩阵；对于多分类问题，它是一个 nxn 的矩阵，其中 n 是类别的数量。

<1> 二分类问题的混淆矩阵

对于二分类问题，混淆矩阵如下所示：

<2> 多分类问题的混淆矩阵

对于多分类问题，混淆矩阵的每一行表示模型的预测类别，每一列