TN是“True Negative”的缩写，常用于机器学习和统计学中，表示实际为负样本且被模型正确预测为负样本的数量。
在分类任务中，TN是评估模型性能的重要指标之一。它与TP（True Positive）、FN（False Negative）和FP（False Positive）共同构成混淆矩阵，帮助分析模型的准确性和可靠性。
| 指标 | 含义 |
| TN | 实际为负，预测也为负 |
| TP | 实际为正，预测也为正 |
| FN | 实际为正，预测为负 |
| FP | 实际为负，预测为正 |
通过计算TN的比例，可以了解模型在识别负样本时的表现。在实际应用中，TN的高低会影响模型的整体评估结果。
