communications-mining
latest
false
Importante :
Este conteúdo foi traduzido com auxílio de tradução automática.
Guia do usuário do Communications Mining
Last updated 3 de out de 2024

Previsões positivos e negativos verdadeiros e falsos

É importante entender essas definições, pois elas formam uma parte chave da explicação de outros conceitos fundamentais de Machine Learning, como precisão e recall.

As definições abaixo são descritas no contexto de seu aplicativo dentro da plataforma.

Para começar com:

  • Uma previsão "positiva" é aquela em que o modelo considera que um rótulo se aplica a uma mensagem
  • Uma previsão "negativa" é aquela em que o modelo considera que um rótulo não se aplica a uma mensagem

Verdadeiro positivo

Um resultado verdadeiro positivo é aquele em que o modelo prevê corretamente que um rótulo se aplica a uma mensagem.

Verdadeiro negativos

Um resultado verdadeiro negativo é aquele em que o modelo prevê corretamente que um rótulo não se aplica a uma mensagem.

Falsos positivos

Um resultado falso positivo é aquele em que o modelo prevê incorretamente que um rótulo se aplica a uma mensagem, quando na verdade não se aplica.

Falsos negativos

Um resultado falso negativo é aquele em que o modelo prevê incorretamente que um rótulo não se aplica a uma mensagem, quando na verdade ele se aplica.

Para entender cada um desses conceitos com mais detalhes, consulte aqui.

Esta página foi útil?

Obtenha a ajuda que você precisa
Aprendendo RPA - Cursos de automação
Fórum da comunidade da Uipath
Uipath Logo White
Confiança e segurança
© 2005-2024 UiPath. Todos os direitos reservados.