HyperAI

Vrai Négatif

Vrai négatif TN fait référence aux échantillons qui sont correctement classés comme négatifs dans un problème de classification binaire.

Pour le problème de classification binaire, les échantillons peuvent être divisés en quatre catégories en fonction de la combinaison de leurs vraies catégories et des catégories prédites par l'apprenant, à savoir, vrai positif, faux positif, vrai négatif et faux négatif.

Parmi eux, Vrai et Faux sont utilisés pour juger si le résultat est correct ou non, Positif et Négatif sont utilisés pour juger s'il est positif ou négatif. Par conséquent, le nombre total d'échantillons = TP + FP + TN + FN

TN fait référence aux échantillons qui étaient initialement négatifs et qui ont été correctement classés comme négatifs.

Termes connexes : faux positif, vrai négatif, faux négatif, courbe ROC, courbe AUC