Indholdsfortegnelse:
Definition - Hvad betyder falske negativer?
Falske negativer er en af fire komponenter i en klassisk forvirringsmatrix til binær klassificering. I binær klassificering analyseres to typer eller klasser ved hjælp af et maskinindlæringsprogram eller lignende teknologi.
Techopedia forklarer falske negativer
Ideen med forvirringsmatrixen er, at ingeniører har de faktiske værdier på testdataene i hånden. Derefter kører de maskinuddannelsesprogrammet, og det gør dens forudsigelser. Hvis forudsigelsen matcher det, der er kendt, er det et vellykket resultat. Hvis det ikke gør, er det ikke et vellykket resultat.
I denne type paradigme er de succesrige resultater mærket som sande, og de mislykkede resultater er mærket som falske.
Så for at give et eksempel på falske negativer, skal du se på, hvordan forvirringsmatrixen er oprettet. Antag, at du for eksempel har to klasser, der skal klassificeres - den første er en værdi, lad os sige, en, det kaldes klassen nummer én eller positiv klasse. Det andet resultat er et nul, som vi kan kalde klassen nummer to eller negativ klasse.
I dette tilfælde ville et falsk negativt være et resultat, hvor maskinindlæringsprogrammet gætter på nul, men resultatet var faktisk et.
Denne type konstruktion er vidt brugt i forskellige former for maskinlæringsprojekter.
Denne definition blev skrevet i sammenhæng med Data Science
