Innholdsfortegnelse:
Definisjon - Hva betyr falske negativer?
Falske negativer er en av fire komponenter i en klassisk forvirringsmatrise for binær klassifisering. I binær klassifisering blir to typer eller klasser analysert av et maskinlæringsprogram eller lignende teknologi.
Techopedia forklarer falske negativer
Tanken med forvirringsmatrisen er at ingeniører har de faktiske verdiene på testdataene i hånden. Så kjører de maskinlæringsprogrammet, og det gjør dens spådommer. Hvis prediksjonen samsvarer med det som er kjent, er det et vellykket resultat. Hvis ikke, er det ikke et vellykket resultat.
I denne typen paradigmer blir de vellykkede resultatene merket som sanne, og de mislykkede resultatene er merket som falske.
Så for å gi et eksempel for falske negativer, må du se på hvordan forvirringsmatrisen er satt opp. Anta at du for eksempel har to klasser som skal klassifiseres - den første er en verdi, la oss si, en, det kalles klassen nummer én eller positiv klasse. Det andre resultatet er et null, som vi kan kalle klassen nummer to eller negativ klasse.
I dette tilfellet ville en falsk negativ være et resultat der maskinlæringsprogrammet gjetter null, men resultatet var faktisk et.
Denne typen konstruksjon er mye brukt i forskjellige typer maskinlæringsprosjekter.
Denne definisjonen ble skrevet i sammenheng med Data Science
