TP：True Positive，預測結果為正類，且與事實相符，即事實為正類。
·TN：True Negative，預測結果為負類，且與事實相符，即事實為負類。
·FP：False Positive，預測結果為正類，但與事實不符，即事實為負類。
·FN：False Negative，預測結果為負類，但與事實不符，即事實為正類。
有了結果分類，就可以計算名額了。常用的名額有三個，第一個為準确率（Accuracy），表達式如下：
分母中四個類都有，也就是表示所有結果。分子是TP+TN，TP表示模型猜對了，TN也表示模型猜對了，兩個加起來就是全部猜對了的結果。是以，準确率的含義是模型猜對了的結果在全部結果中的占比，猜對的越多，得分就越高。
第二個為精确率（Precision），又叫查準率，光看名字很容易與第一個名額混淆，最好的差別方法是看表達式。查準率的表達式如下：
表達式上的差別就很明顯了，光是在長度上就短了很多。此表達式的分母是TP+FP，TP表示預測結果為正類，FP也表示預測結果為正類，二者相加就是全部預測為正類的結果。分子是TP，代表預測為正類，且與事實相符的結果。說起來很拗口，但隻要聯合起來看，分母說的是所有預測為正類的結果，分子說的是正類結果中猜對了的那部分，它在全部的正類結果中的占比就是查準率。換句話說，模型預測對正類結果的預測越準确，查準率就越高。