機械学習では、タイプ 2 エラー (偽陰性とも呼ばれます) は、特定の条件または属性が実際には存在するのに存在しないとモデルが誤って予測した場合に発生します。たとえば、医療診断モデルでは、患者の病気の存在を検出できない場合があります。
タイプ 2 エラーは、機械学習アプリケーションにおいて深刻な問題となる可能性があり、偽陰性の結果はコストが高くついたり有害になる可能性があります。たとえば、金融取引における不正行為を検出できないモデルは、重大な経済的損失につながる可能性があります。
機械学習におけるタイプ 2 エラーのリスクを軽減するには、次のようないくつかの手法を使用できます。