一、True (False) Positives (Negatives) 名词基本解释与举例
TP —— True Positive （真正, TP）是指某（些）个正样本被预测判定为正；此种情况可以称作判断为真的正确情况【correctly identified】
TN —— True Negative（真负 , TN）是指某（些）个负样本被预测判定为负；此种情况可以称作判断为假的正确情况【correctly rejected】
FP ——False Positive （假正, FP）是指某（些）个负样本被模型预测为正；此种情况可以称作判断为真的错误情况，或称为误报【incorrectly identified】
FN——False Negative（假负 , FN）是指某（些）个正样本被模型预测为负；此种情况可以称作判断为假的错误情况，或称为漏报【incorrectly rejected】
其中的“正”和“负”在不同实例中含义有所不同。通过以下数据库文档检索系统实例来理解上述4个名词，假设一个数据库中有100个文档，检索系统的任务是从中检索出与计算机相关的文档，此时“正样本”就是指那些与计算机相关的文档(假设有20个正样本），“负样本”就是指那些与计算机不相关的文档（假设有80个负样本）。
如果一个与计算机相关的文档【正样本】被检索系统检索到了，那么这就称为True Positive，这里有两个含义，一是指被检索到的文档本身就是与计算机相关的，二是指检索系统检索到了这个文档。【correctly identified】
类似地，如果一个与计算机不相关的文档【负样本】没有被检索系统检索到，那么这就称为True Negative，这里也有两个含义，一是指被检索到的文档本身就与计算机不相关，二是指检索系统没有检索到这个文档。【correctly rejected】
如果一个与计算机不相关的文档【负样本】被检索系统检索到了，那么这就称为False Positive，这里也有两个含义，一是指被检索到的文档本身就与计算机不相关，二是指检索系统检索到了这个文档。【incorrectly identified】
如果一个与计算机相关的文档【正样本】没有被检索系统检索到，那么这就称为False Negative，这里也有两个含义，一是指被检索到的文档本身就与计算机相关，二是指检索系统没有检索到这个文档。【incorrectly rejected】
接下来，上述四种情况可以通过以下表格来直观理解。
| 与计算机相关 | 与计算机不相关 | |
|---|---|---|
| 检索系统检索到了 | True Positive | False Positive |
| 检索系统没有检索到 | False Negative | True Negative |
假设检索系统要检索与“计算机”相关的文档，数据库中有20个符合定义的文档（即与计算机密切相关的文档），但是检索系统的检索结果为：检索显示找到了13个文档，实际上检索系统检索到的这13个文档中却只有10个文档是符合要求的（即文档是数据库中与计算机密切相关的文档），有3个文档是不符合要求的。
此时，可得下表，
| 与计算机网络相关 | 与计算机网络不相关 | |
|---|---|---|
| 检索到了 | 10 | 3 |
| 没有检索到 | 10 | 77 |
因此，
真正率 True Positive Rate （TPR）= TP /（TP+FN）= 10/（10+10）= 50%，真正率TPR也称为召回率（Recall Rate）或查全率。【correctly identified】
假负率 False Negative Rate （FNR）= FN /（TP+FN）=10/（10+10）= 50%，假负率FNR也称为漏报率，真正率+假负率=1。【incorrectly rejected】
假正率 False Positive Rate （FPR）= FP / （TN+FP）= 3/ （77+3）= 3.75%，假正率FPR也称为误报率。【incorrectly identified】
真负率 True Negative Rate （TNR）= TN / （TN+FP）= 77/ （77+3）= 96.25%，假正率+真负率=1.【correctly rejected】
除了上述四个“率”以外，还有一个查准率或称为精度，Precision Rate = TP/（TP+FP）=10/（10+3）=76.93%
二、参考文献：
http://baike.baidu.com/item/召回率
http://blog.sciencenet.cn/blog-605185-617068.html
http://www.techexams.net/forums/security/49256-true-positive-v-s-true-negative.html