1. TF分为两类。
2. 第一类是True Positive（真正例），指的是模型预测为正例且实际为正例的情况。
第二类是False Positive（假正例），指的是模型预测为正例但实际为负例的情况。
3. 此外，还有True Negative（真负例）和False Negative（假负例）两种情况。
True Negative指的是模型预测为负例且实际为负例的情况，False Negative指的是模型预测为负例但实际为正例的情况。
这四种情况组成了分类模型的混淆矩阵，用于评估模型的性能。