machine learning模型也會失誤，我們需要用一個方法來衡量結果，才能知道該如何改進我們的模型。
我們不會只用一種衡量標準來判定模型的好壞，以人臉偵測的例子來看，我們有許多的人臉跟非人臉當做測試資料，當然我們會用這些測資來做測試跑出一個結果，此外我們更會把這些人臉跟非人臉在做細分，例如：禿頭人臉，被彩繪的人臉，石像...等等，如果某一個子項特別糟糕，我便可以針對這個子項目做加強。
衡量machine learning模型好壞的方法，最基本的就是用一個confusion merics來一次看出模型的TP，TN，FP，FN的結果。TP，TN，FP，FN分別可以看作是一個子項目，他們分別的意思是：
TP：正樣本被模型認成對的
TN：正樣本被模型認成錯的
FP：負樣本被模型認成對的
FN：負樣本被模型認成錯的
其中FP被稱作type1 error,FN被稱作type2 error
iThome鐵人賽
看影片追技術