改写：True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类。 False Negative（FN）：假负类。样本的真实类别是正类，但是模型将其识别为负类。 False Positive（FP）：假

True Positive（TP）：真正类。表示样本的真实类别是正类，并且模型识别的结果也是正类。 False Negative（FN）：假负类。表示样本的真实类别是正类，但是模型将其识别为负类。 False Positive（FP）：假正类。表示样本的真实类别是负类，但是模型将其识别为正类。 True Negative（TN）：真负类。表示样本的真实类别是负类，并且模型将其识别为负类。 混淆矩阵通常用于二分类问题，其中包括上述四个指标。但是，通过向混淆矩阵添加更多行和列，可以轻松地将其应用于具有三个或更多类别的问题。