在机器学习中，当模型错误地预测实际存在的特定条件或属性不存在时，就会出现第 2 类错误（也称为漏报）。例如，医学诊断模型可能无法检测患者是否存在疾病。
第 2 类错误可能是机器学习应用中的一个严重问题，其中漏报的后果可能代价高昂或有害。例如，无法检测金融交易中的欺诈活动的模型可能会导致重大的财务损失。
为了降低机器学习中出现第 2 类错误的风险，可以采用多种技术，例如：