Índice:
Definição - O que significam falsos negativos?
Negativos falsos são um dos quatro componentes em uma matriz de confusão clássica para classificação binária. Na classificação binária, dois tipos ou classes são analisados por um programa de aprendizado de máquina ou tecnologia semelhante.
Techopedia explica falsos negativos
A idéia com a matriz de confusão é que os engenheiros tenham em mãos os valores reais dos dados de teste. Em seguida, eles executam o programa de aprendizado de máquina e ele faz suas previsões. Se a previsão corresponder ao que é conhecido, esse é um resultado bem-sucedido. Caso contrário, não será um resultado bem-sucedido.
Nesse tipo de paradigma, os resultados bem-sucedidos são rotulados como verdadeiros e os resultados sem êxito são rotulados como falsos.
Portanto, para fornecer um exemplo para falsos negativos, você deve observar como a matriz de confusão é configurada. Suponha, por exemplo, que você tenha duas classes a serem classificadas - a primeira é um valor, digamos, uma, chamada de número de classe um ou classe positiva. O outro resultado é um zero, que podemos chamar de número de classe dois ou negativo.
Nesse caso, um falso negativo seria um resultado onde o programa de aprendizado de máquina adivinha um zero, mas o resultado era realmente um.
Esse tipo de construção é amplamente utilizado em vários tipos de projetos de aprendizado de máquina.
Esta definição foi escrita no contexto da Data Science
