Falsche Negative

Definition - Was bedeutet falsch negativ?

Falsch-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.

Technische.me 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 macht seine Vorhersagen. Wenn die Vorhersage mit dem Bekannten übereinstimmt, ist dies 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 falsch negative Ergebnisse zu liefern, müssen Sie sich ansehen, wie die Verwirrungsmatrix aufgebaut ist. Angenommen, Sie müssen beispielsweise zwei Klassen klassifizieren - die erste ist ein Wert, beispielsweise eine, der als Klassennummer 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 Programm für maschinelles Lernen eine Null errät, das Ergebnis jedoch tatsächlich eine Eins war.

Diese Art von Konstrukt wird häufig in verschiedenen Arten von Projekten für maschinelles Lernen verwendet.

Diese Definition wurde im Kontext von Data Science geschrieben