当然，您可以根据约束计算每个分类状态需要多少实例。例如：

• 金正= 10%，即$TP+FN=0.1 \times N$
• 召回 = 0.2，即$TP/(TP+FN)=0.2$， 所以$FN=4\times TP$

从这两个方程我们得到$TP=0.02 \times N$和$FN=0.08 \times N$

• 精度 = 0.8，即$TP/(TP+FP)=0.8$所以$FP=0.25\times TP = 0.005 \times N$
• 最后 $TP+FP+FN+TN=N$所以$TN=N-(TP+FP+FN)=0.895 \times N$

比方说$N=1000$，我们想要 20 TP、80 FN、5 FP 和 895 TN。

您应该能够编写执行这些计算的代码，然后生成与这些约束匹配的预测列表。

请注意，从技术上讲，这不是模型（甚至不是假模型），因为没有特征，也没有发生真正的分类。