TP：预测为正向（P），实际上预测正确（T），即判断为正向的正确率

TN：预测为负向（N），实际上预测正确（T），即判断为负向的正确率

FP：预测为正向（P），实际上预测错误（F），误报率，即把负向判断成了正向

FN：预测为负向（N），实际上预测错误（F），漏报率，即把正向判断称了负向

准确率Accuracy=（TP+TN） / （TP+FP+TN+FN）， 即预测正确的比上全部的数据

精确率Precision=TP / （TP+FP），即在预测为正向的数据中，有多少预测正确了

召回率Recall=TP / （TP+FN），即在所有正向的数据中，有多少预测正确了