HyperAI

Wahres Positiv

Wahre KlasseBezieht sich auf die Proben, die im Problem der binären Klassifizierung richtig beurteilt 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

Die wahre Klasse bezieht sich auf die Proben, die ursprünglich positiv waren und als positive Proben klassifiziert wurden. Am Beispiel des Findens von Äpfeln in einem Obsthaufen bezieht sich TP auf die Äpfel, die gefunden wurden.

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