Definición: ¿Qué significan falsos negativos?
Los falsos negativos son uno de los cuatro componentes de una matriz de confusión clásica para la clasificación binaria. En la clasificación binaria, dos tipos o clases son analizados por un programa de aprendizaje automático o tecnología similar.
Techinfo explica los falsos negativos
La idea con la matriz de confusión es que los ingenieros tengan a mano los valores reales de los datos de prueba. Luego ejecutan el programa de aprendizaje automático y hace sus predicciones. Si la predicción coincide con lo que se conoce, ese es un resultado exitoso. Si no es así, no es un resultado exitoso.
En este tipo de paradigma, los resultados exitosos se etiquetan como verdaderos y los resultados no exitosos se etiquetan como falsos.
Entonces, para proporcionar un ejemplo de falsos negativos, debe observar cómo se configura la matriz de confusión. Suponga, por ejemplo, que tiene dos clases para clasificar: la primera es un valor, digamos, uno, que se llama la clase número uno o clase positiva. El otro resultado es un cero, que podemos llamar la clase número dos o clase negativa.
En este caso, un falso negativo sería un resultado en el que el programa de aprendizaje automático adivina un cero, pero el resultado en realidad es uno.
Este tipo de construcción se usa ampliamente en varios tipos de proyectos de aprendizaje automático.
Esta definición se escribió en el contexto de la ciencia de datos.