真のネガティブクラス TN は、二項分類問題で正しく陰性と判断されたサンプルを指します。

バイナリ分類問題の場合、サンプルは、真のカテゴリと学習者の予測カテゴリの組み合わせに応じて、真陽性、偽陽性、真陰性、偽陰性の状況の 4 つのカテゴリに分類できます。

このうち、True と False は結果が正しいかどうかを判断するために使用され、Positive と Negative は陽性クラスと陰性クラスが陽性であるかどうかを判断するために使用されます。サンプルの総数 = TP + FP + であることがわかります。 TN+FN

TN は、元々陰性であったが、正しく陰性と判定されたサンプルを指します。

関連ワード: 偽陽性クラス、真陰性クラス、偽陰性クラス、ROC 曲線、AUC 曲線