Inhaltsverzeichnis:
Definition - Was bedeutet False Negatives?
Falsche Negative sind eine von vier Komponenten in einer klassischen Verwirrungsmatrix für die binäre Klassifizierung. Bei der binären Klassifizierung werden zwei Typen oder Klassen durch ein maschinelles Lernprogramm oder eine ähnliche Technologie analysiert.
Techopedia erklärt falsche Negative
Die Idee mit der Verwirrungsmatrix ist, dass Ingenieure die tatsächlichen Werte der Testdaten zur Hand haben. Dann führen sie das maschinelle Lernprogramm aus, und es trifft seine Vorhersagen. Wenn die Vorhersage mit dem, was bekannt ist, übereinstimmt, ist das ein erfolgreiches Ergebnis. Wenn nicht, ist das kein erfolgreiches Ergebnis.
In dieser Art von Paradigma werden die erfolgreichen Ergebnisse als wahr und die erfolglosen Ergebnisse als falsch gekennzeichnet.
Um ein Beispiel für falsche Negative zu geben, müssen Sie sich ansehen, wie die Verwirrungsmatrix aufgebaut ist. Angenommen, Sie müssen beispielsweise zwei Klassen klassifizieren - die erste ist ein Wert, beispielsweise eine, die als Klasse Nummer eins oder positive Klasse bezeichnet wird. Das andere Ergebnis ist eine Null, die wir als Klasse Nummer zwei oder negative Klasse bezeichnen können.
In diesem Fall wäre ein falsches Negativ ein Ergebnis, bei dem das maschinelle Lernprogramm eine Null errät, das Ergebnis jedoch tatsächlich eine Eins war.
Diese Art von Konstrukt wird häufig in verschiedenen Arten von maschinellen Lernprojekten verwendet.
Diese Definition wurde im Kontext von Data Science geschrieben
