खोट्या नकारात्मक

लेखक: Laura McKinney
निर्मितीची तारीख: 5 एप्रिल 2021
अद्यतन तारीख: 1 जून 2024
Anonim
खोट्या, नकारात्मक बातम्या पसरवू नका – डॉ. निलम गो-हे
व्हिडिओ: खोट्या, नकारात्मक बातम्या पसरवू नका – डॉ. निलम गो-हे

सामग्री

व्याख्या - चुकीचे नकारात्मक म्हणजे काय?

बायनरी वर्गीकरणासाठी शास्त्रीय गोंधळ मॅट्रिक्समधील चार घटकांपैकी चुकीचे नकारात्मक एक आहेत. बायनरी वर्गीकरणात मशीन लर्निंग प्रोग्रामद्वारे किंवा तत्सम तंत्रज्ञानाद्वारे दोन प्रकार किंवा वर्गांचे विश्लेषण केले जाते.


मायक्रोसॉफ्ट अझर आणि मायक्रोसॉफ्ट क्लाऊडची ओळख | या संपूर्ण मार्गदर्शकामध्ये आपण क्लाउड संगणन करणे म्हणजे काय आणि मायक्रोसॉफ्ट अझर आपल्याला क्लाऊडवरून आपला व्यवसाय स्थलांतरित आणि चालविण्यात कशी मदत करू शकेल हे शिकाल.

टेकोपीडिया चुकीचे नकारात्मक स्पष्टीकरण देते

गोंधळ मॅट्रिक्सची कल्पना अशी आहे की अभियंत्यांकडे चाचणी डेटावर वास्तविक मूल्ये आहेत. मग ते मशीन लर्निंग प्रोग्राम चालवतात आणि त्याचा अंदाज लावतो. जर पूर्वानुमान ज्ञात असलेल्याशी जुळत असेल तर तो यशस्वी परिणाम आहे. जर ते करत नसेल तर यशस्वी परिणाम नाही.

या प्रकारात, यशस्वी परिणामांना सत्य असे लेबल दिले जाते आणि अयशस्वी परिणामांना चुकीचे लेबल दिले जाते.

तर खोट्या नकारात्मकतेचे उदाहरण देण्यासाठी, आपण गोंधळ मॅट्रिक्स कसा सेट केला आहे ते पहावे लागेल. समजा, उदाहरणार्थ, आपल्याकडे वर्गीकृत करण्यासाठी दोन वर्ग आहेत - प्रथम एक मूल्य आहे, असे म्हणू या, ज्याला वर्ग क्रमांक एक किंवा सकारात्मक वर्ग म्हणतात. दुसरा निकाल शून्य आहे ज्याला आपण क्लास नंबर दोन किंवा नकारात्मक वर्ग असे म्हणू शकतो.


या प्रकरणात, मशीन लर्निंग प्रोग्रामने शून्य मिळविण्याचा एक चुकीचा नकारात्मक निकाल दिला जाईल, परंतु प्रत्यक्षात त्याचा परिणाम एक झाला.

या प्रकारचे बांधकाम मोठ्या प्रमाणात मशीन लर्निंग प्रोजेक्टमध्ये मोठ्या प्रमाणात वापरले जाते.

ही व्याख्या डेटा सायन्स च्या कॉन मध्ये लिहिलेली होती