Definição – o que significa falsos negativos?
Os falsos negativos 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.
Definirtec explica falsos negativos
A ideia com a matriz de confusão é que os engenheiros têm os valores reais dos dados de teste em mãos. Em seguida, eles executam o programa de aprendizado de máquina e ele faz suas previsões. Se a previsão corresponder ao conhecido, é um resultado bem-sucedido. Se não, não é um resultado bem-sucedido.
Nesse tipo de paradigma, os resultados bem-sucedidos são rotulados como verdadeiros e os resultados malsucedidos são rotulados como falsos.
Portanto, para fornecer um exemplo de 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, um, que é chamado de classe número um ou classe positiva. O outro resultado é um zero, que podemos chamar de classe número dois ou classe negativa.
Nesse caso, um falso negativo seria um resultado em que o programa de aprendizado de máquina calcula um zero, mas o resultado é na verdade 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