Innehållsförteckning:
Definition - Vad betyder falska negativa?
Falska negativ är en av fyra komponenter i en klassisk förvirringsmatris för binär klassificering. I binär klassificering analyseras två typer eller klasser med ett maskininlärningsprogram eller liknande teknik.
Techopedia förklarar False Negatives
Tanken med förvirringsmatrisen är att ingenjörerna har de verkliga värdena på testdata i handen. Sedan kör de maskininlärningsprogrammet, och det gör sina förutsägelser. Om förutsägelsen matchar vad som är känt är det ett framgångsrikt resultat. Om inte, är det inte ett framgångsrikt resultat.
I denna typ av paradigm är de framgångsrika resultaten märkta som sanna, och de misslyckade resultaten märks som falska.
Så för att ge ett exempel på falska negativa, måste du titta på hur förvirringsmatrisen är inställd. Anta att du till exempel har två klasser som ska klassificeras - den första är ett värde, låt oss säga, en, det kallas klass nummer en eller positiv klass. Det andra resultatet är en noll, som vi kan kalla klass nummer två eller negativ klass.
I det här fallet skulle ett falskt negativt resultat vara ett resultat där maskininlärningsprogrammet gissar noll, men resultatet var faktiskt ett.
Denna typ av konstruktion används ofta i olika typer av maskininlärningsprojekt.
Denna definition har skrivits inom ramen för Data Science
