Predicciones positivas y negativas verdaderas y falsas

It is important to understand these definitions, as they form a key part of explaining other fundamental machine learning (ML) concepts such as precision and recall.

Las siguientes definiciones se describen en el contexto de su aplicación dentro de la plataforma:

• Una predicción positiva es aquella en la que el modelo cree que una etiqueta se aplica a un mensaje.
• Una predicción negativa es aquella en la que el modelo piensa que una etiqueta no se aplica a un mensaje.

Verdaderos positivos : un resultado verdadero positivo es aquel en el que el modelo predice correctamente que una etiqueta se aplica a un mensaje.

Verdaderos negativos : un resultado verdadero negativo es aquel en el que el modelo predice correctamente que una etiqueta no se aplica a un mensaje.

Falsos positivos : un resultado falso positivo es aquel en el que el modelo predice incorrectamente que una etiqueta se aplica a un mensaje, cuando en realidad no se aplica.

Falsos negativos : un resultado falso negativo es aquel en el que el modelo predice incorrectamente que una etiqueta no se aplica a un mensaje, cuando en realidad sí se aplica.

To understand each of these concepts in more detail, check Precision and recall explained.