HyperAI

Wahres Negativ

Wahres Negativ TN bezieht sich auf Proben, die in einem binären Klassifizierungsproblem korrekt als negativ klassifiziert werden.

Für das Problem der binären Klassifizierung können die Proben entsprechend der Kombination ihrer wahren Kategorien und der vom Lernenden vorhergesagten Kategorien in vier Kategorien unterteilt werden, nämlich wahr positiv, falsch positiv, wahr negativ und falsch negativ.

Unter ihnen werden „Wahr“ und „Falsch“ verwendet, um zu beurteilen, ob das Ergebnis richtig ist oder nicht, und „Positiv“ und „Negativ“ werden verwendet, um zu beurteilen, ob es positiv oder negativ ist. Daher ist die Gesamtzahl der Proben = TP + FP + TN + FN

TN bezeichnet Proben, die ursprünglich negativ waren und korrekt als negativ klassifiziert wurden.

Verwandte Begriffe: falsch positiv, richtig negativ, falsch negativ, ROC-Kurve, AUC-Kurve