model의 예측이 positive	model의 예측이 negative
정답이 positive	TP	FN
정답이 negative	FP	TN

	실험/예측 negative	실험/예측 positive
실제 negative	TN	FP
실제 positive	FN	TP

(page no is shown)

evaluation_metric - 번역? 평가계량? evaluation_metric evaluation_metric

참양성,true_positive,TP
참음성,true_negative,TN
거짓양성,false_positive,FP
거짓음성,false_negative,FN

참양성 true positive TP
참음성 true negative TN
거짓양성 false positive FP = type I error
거짓음성 false negative FN = type II error
(error: see 오류,error)

참양성율,true_positive_rate,TPR = 민감도,sensitivity = 재현율,recall
참음성율,true_negative_rate,TNR = 특이도,specificity
거짓양성율,false_positive_rate,FPR
거짓음성율,false_negative_rate,FNR

정밀도,precision = TP / (TP + FP)
재현율,recall = TP / (TP + FN)
F1 score = 2 / ( 1/Precision + 1/Recall )

정확도,accuracy = (TP + TN) / (TP + FP + TN + FN)
특이성? 특이도? specificity = TN / (TN + FP)

이것들은 see also 분류,classification

MKLINK
기계학습,machine_learning
분류,classification
이진분류,binary_classification
model - 페이지명은 분류모형,classification_model이 나을듯
ROC곡선,ROC_curve
회귀,regression
선형회귀,linear_regression
회귀분석,regression_analysis
예측,prediction
행렬,matrix and 표,table and 테이블,table

Twins:
https://developers.google.com/machine-learning/glossary?hl=ko#confusion-matrix

AKA 오류행렬 error matrix

Up: 데이터과학 분류,classification 이진분류,binary_classification 오류,error