Sommario:
Definizione - Cosa significano i falsi negativi?
I falsi negativi sono uno dei quattro componenti di una classica matrice di confusione per la classificazione binaria. Nella classificazione binaria, due tipi o classi vengono analizzati da un programma di apprendimento automatico o tecnologia simile.
Techopedia spiega i falsi negativi
L'idea con la matrice di confusione è che gli ingegneri hanno in mano i valori effettivi sui dati del test. Quindi eseguono il programma di apprendimento automatico e fa le sue previsioni. Se la previsione corrisponde a ciò che è noto, si tratta di un risultato positivo. In caso contrario, non è un risultato positivo.
In questo tipo di paradigma, i risultati positivi sono etichettati come veri e quelli non riusciti sono etichettati come falsi.
Quindi, per fornire un esempio di falsi negativi, devi vedere come è impostata la matrice di confusione. Supponiamo, ad esempio, che tu abbia due classi da classificare: la prima è un valore, diciamo, uno, chiamato classe numero uno o classe positiva. L'altro risultato è uno zero, che possiamo chiamare il numero di classe due o classe negativa.
In questo caso, un falso negativo sarebbe un risultato in cui il programma di apprendimento automatico indovina uno zero, ma il risultato è stato effettivamente uno.
Questo tipo di costrutto è ampiamente utilizzato in vari tipi di progetti di apprendimento automatico.
Questa definizione è stata scritta nel contesto di Data Science
