True Positive  （真正, TP） 被模型預測為正樣本，是真的判斷正確。所以就是正樣本，也稱作正的數。

True Negative（真負 , TN）被模型判斷為負樣本，是真的判斷正確。所以就是負樣本，也稱作負的數。

False Positive  （假正, FP）被模型判斷為正樣本，是假的判斷錯誤。所以應該是負樣本，也稱作誤報數。

False Negative（假負 , FN）被模型判斷為負樣本，是假的判斷錯誤。所以應該是正樣本，也稱作漏報數。

True Positive Rate（真正率 , TPR）或 sensitivity（靈敏度/敏感性）  ——用於驗證模型檢測正例效果
   TPR = True Positive /（True Positive + False Negative）  
   預測為正的

True Negative Rate（真負率 , TNR）或 specificity (特指度/特異性)  ——用於驗證模型檢測負例效果 TNR ≠ 1-TPR
   TNR = True Negative /（True Negative + False Positive）  
   預測為負的負樣本數 / 負樣本實際數

False Positive Rate （假正率, FPR）  
   FPR = False Positive /（False Positive + True Negative）  ——用於和TPR一起繪製ROC曲線
   預測為正的負樣本數 /負樣本實際數

False Negative Rate（假負率 , FNR）  
   FNR = False Negative /（True Positive + False Negative）  ——用的少
   預測為