Comment Corriger Le Type D’au Moins Une Matrice D’erreur ?

Supprimez les logiciels malveillants, protégez vos fichiers et optimisez les performances en un seul clic !

Les matrices de confusion stockent deux types de problèmes : Type I et Type II. Les faux positifs (FP) de type I, donc de type II, sont devenus positifs, et c’est aussi ce que le modèle avait espéré à tort quand. Ceci est également connu sous le nom d’erreur de type I. Dans notre exemple, cet excellent signifie que les patients qui avaient prédit que ces hommes avaient un cancer étaient en fait positifs. https://towardsdatascience.com › classifying-model-outcomes-t Évaluer les performances vitales des modèles d’apprentissage automatique. Un faux positif est une erreur de type I car un faux positif signifie faux vrai et n’a qu’un F spécifique à une personne. Un faux négatif est en grande partie une erreur de type II car un faux négatif approprié équivaut à un vrai faux faux, donc toujours deux F font c’est une erreur de type II.